一般化加法モデル(GAM)のknotsはどう決めるべきか

この記事は、以前MMM (Media/Marketing Mix Modeling)について概説した記事の続きです。

今年ローンチされたMMMフレームワークのMeridianでは、従来の様々なMMMフレームワークとは異なり、トレンド・季節調整をモデリングする際に一般化加法モデル(Generalized Additive Models: GAM)を用いています。ただ、そのハイパーパラメータである"knots"の決め方が、当初ドキュメントを一瞥しただけではよく分からなかったので、一通り調べてみた結果を備忘録代わりにここに書き記しておこうと思います。

交差検証さえしていれば事足りると思って、多重共線性をスルーしてはいけない

某所でボソッと呟いたら結構反応があったので、折角なので小ネタながら記事として書いてみようと思います。

「多重共線性を放置したまま交差検証して汎化性能が確保できたつもりになる」ことの危険性、ブログにまとめたら需要あるんだろうか https://t.co/DkauusM1Ip

— TJO (@TJO_datasci) 2025年5月14日

ビジネス実務における回帰分析全般、特にMMMや経営陣向け需要予測モデルなどでありがちなパターンを想定しています。ちなみにこれに類する事例は僕が直接聞いている範囲でも複数実在しており、決して珍しい話ではない旨予めお断りしておきます。

多重共線性のはなし

どうも昨年末にあちこちで多重共線性についての議論がなされていたようなんですが、些事にかまけていた僕はすっかりそのウェーブに乗り損ねてしまっていたのでした。そこで、今年最初の記事では遅ればせながらそのウェーブに乗る形で、また今までに学んだり調べてきたりしてきたことの備忘録も兼ねて、多重共線性についてまとめてみようと思います。