2019/3/17 結婚について本気出して考えてみた
きっかけは、ある一つの論文を読んだことであった。
"女子大生の恋愛と結婚に対する意識調査"で調べたら出るので、参考にしていただきたい。
そこにあった図1、恋人の条件/結婚相手の条件に興味を持った。
条件がいくつかある中で、重要視する1,2,3位を選んで、上から被験者ごとに3,2,1点を付与して集計、という手法で集計を行っていた。被験者は636名の女子大生であるそうだ。
この調査の結果を見ると、恋人に求める条件には、性格および価値観/優しい/顔・ルックス/ユーモアとあり、結婚相手には、性格および価値観/経済力/優しい/包容力・男らしさと続く。
現代の20代の例に漏れず女性経験の少ない筆者は大いに衝撃を受けた。
な、なるほど！じょ、女性というのは、統計的には、ものすごく現実が見えている生き物なのだ！
統計的には、自分が楽しかったり、ドキドキしたりするということをする相手と、生活を営む相手は別であってよいと割り切れるのだ！
もっとあからさまに言うならば、統計的には、性欲と自己との分離ができていて、かつ自身に性欲があってよく、自由恋愛の名のもとに、一時的に性欲を満たす、直接的あるいは間接的な行為が存在してよい、ということを割り切れるものなのだ！
筆者は女性に対する幻想が比較的強いほうだと思うが、こうも数字で出ると愕然とした。
無論、筆者とアンケート対象に選ばれた女子大生636人は、おそらく人生が交わることはそうそうないと思うので、普段関わる人種のパネルは違っていると思うのだが。
そこで、筆者も結婚に際して、条件を考えようと思った。
具体的に、点数制でいこう、と思った。
・秋元真夏である +2億点
・結婚式をしなくていい +200点
・東証一部上場企業に務めており、結婚しても仕事を続ける+200点
・大学院卒である +150点
・大学卒である +100点
・掃除全部やってくれる +100点
・会話の半分くらい自分からフリオチのしっかりした話題振ってくれる +50点
・筆者の苦手な銀行とか市役所とか公共料金の支払いとかやってくれる +50点
・推しのアイドルの誰かに似てる +50点
・40超えても綺麗でいてくれそう +50点
・食べ物の好みがあう +50点
・コーヒー淹れるのがうまい +10点
結論として、筆者も別にそんなに女性に可愛いとか求めてないなということがわかった。
良かった、世の中は本音と建前、本能と理性で回っているのだ。
12/29 落合陽一のnews picsでの発言の抜き出しを好意的に解釈してみる
この記事が面白かったのだが、解釈できないことはないな〜と思ったので、個人的に好意的な解釈を試みたいと思う。
高校時代に現代文が得意だった人間はこういう行為が好きだ。
ちなみに落合陽一は大学院の先輩であるが、本を読んだことはない。多分これからも読まないと思う。
あ、ちなみに動画も見ていません。登録すると解約忘れが怖いので。
「人間とは、手段であり目的ではない」ってよく言うんだよね。
社会のための手段が人間であって、人間は目的じゃないので……
ソサイエティっていうか、エコシステム……社会ってエコシステムだと思うんですよ。
エコシステム……を成立させるための人間なので。
だから、人間を重要視……重要視というか、人間を目的にした社会は破綻するんですよ。
で、人間が手段であるっていうところから考え直すと……つまり、人間の定義の問題から始まるっていうところかな……。
ああ切り出しておいていきなりなんだが、これだけでは全くわからない。問題意識が飲み込めない。
西洋国家に存在した……つまりキリスト教的西洋国家に存在した神の定義みたいなものが、天皇制でなくなってしまった以上、我々の社会には存在し得ない、っていうところを、おそらく日本社会は拝金や、成長する高度経済成長的エコシステムによって補ってきたんだけれども、その生産社会っていうか、マスメディア主義の日本社会っていうのが成り立たなくなってきたときに、どうやってアップデートし得るのかっていうのが議論になっている……ような気がする。
で、その……例えば今でもアメリカだったら、宣誓するじゃないですか。大統領が。あの機能は我々の社会にはついてないよね？その機能がついてないことによってエコシステムが不全になってるのは間違いなくて……それは……なんだろ……人間存在より上位存在を仮定することによって契約が可能になる、みたいなもの？でもそれが我々にとってはブロックチェーンでもいいし、スマートコントラクトでもいいわけですよ。で、そういうものを真面目に考えようぜって言って書いてる本だから……まあ、そんな感じ。
この下りは、ざっくり大きな物語の終焉でいいと思う。
大きな物語はもともと科学が信頼できない時代になってるよねという話だったのだが、その後科学以外の概念に広げられて、お互いに信頼しあって社会を構成するための手続き、つまりはプロトコルが信頼されなくなりつつあるよねという意味での使われ方をしている。
これを踏まえると、昔はお互いに信頼しあって社会を運用するためのプロトコル、つまり大きな物語を持っていたが、今では自ら捨て去ってしまっているので、ブロックチェーンなりスマートコントラクトなりで代替できるんちゃうんかなという提案だと読める。
とすると、先程よくわからなかった問題意識は、シンプルに言えば"今の日本に元気がないこと"である。だからアップデートしなきゃいけないのである。さらに元気がない原因は大きな物語がないから、と言っている。
これは結構マッチョな言説である。だからおじさんは落合陽一のことが好きなのかもしれない。個人的意見としては、工場で電化製品作ってりゃ良かった時代は終わって、その時代に乗れた人がラッキーという話で、就職氷河期のスケールがでかい版くらいにしか思えないので、あんまり同意できない。老人医療費はカットしてほしいけど。
この人間って、かぎかっこ付きの人間なんですよね（かぎかっこを書く）。
もっというと、個人とか市民とか言われるものですよね。理性的な判断力を持って、なにかこう、責任……私は私だっていうアイデンティティをしっかり持って、で、責任持って判断できる主体みたいなことですよ。
だから人間っていうのはそうやってある程度理性的で、合理的に判断して責任が取れるものなんだっていう……まあ、フィクションですよね。実際にはそんな立派な人間はそうそういないんだけど、人間とは一応そういうもんだっていうことに仮にしておくと、社会ってうまく回るよと。そうすると、民主主義とか例えば可能になるじゃないですか？
（落合陽一）だから宣誓しないと成立しないじゃないですか？
さっきの解釈に従うと、宣誓・人権・近代市民というプロトコルで民主主義が成立するわけだよねという例示をしていると読める。
だから、西洋の話をすると、まあ神様っていう完璧な存在がいて、人間ってのはそこに近づけないんだけど、とりあえずそれに目指して頑張る存在なんだから尊いんだみたいなことを定義するわけですよ、人間を。
ただそれは、日本っていうのはアブラハムの宗教の国じゃないので、まあ……その神様を想定できないわけですよね。なのに、だから一応天皇っていう方便を使ったんだけど、あんまりうまく行かなかったというのが戦前の日本ですよね、と。
ここでも、昔の西洋では宗教が、昔の日本は天皇制が大きな物語だったわけですよねと例示を重ねている。
戦後中流幻想を、戦後の■☆△（何回聞いても聞き取れず）の中で最も高度になし得るっていうことを頑張ったっていうのが戦後日本だったんだけど、どうやらそれをやりすぎた結果、なんか社会全体がパーになってしまった、今ここ、みたいな感じだと思うんですよね。
ここでも、戦後の日本は真面目に働いて真面目に頑張れば報われるし経済成長は続くし生活はどんどん豊かになるよねという大きな物語でやっていってたよねという例示を重ねている。
「そう。神とはドラえもんのことだったのである、っていうね」
最大の神様ですよ。人間は努力しなくてもテクノロジーが補完してくれるし、何を言っても四次元から出てくる。
四次元から出てくるってヤバくないですか！？（笑）
「野比のび太って、戦後日本そのものだからね」
ここでは、戦後日本の神様は科学の力でなんでも解決してくれるドラえもんであり、科学的になんでも解決してもらっているのび太は戦後日本という対比を二人の間で共有できたので、笑っているのである。エヴァにハマって性癖こじらせてるようなオタク中二男子のイタい笑いであるが。
ということで、前半は大きな物語がないので日本は元気が無いんだ、日本をアップデートするためには大きな物語が絶対にいるんだという話なのである。落合陽一はマッチョなのである。
地球上に最初に生まれた計算機はなにかっていうと、DNAを持った生物ですと。
4進法ですすむ、デジタル計算機があって……で、これがまあベースのコードで。
で、その後、まあ……なんだろうな……非線形現象をあの……アレにした、神経系を持つ生物ってのが出てきますと。
DNAは記録媒体あるいは記録のフォーマット(AGCTという配列の並びに意味があるというのを4進法で〜で言いたいのだと思う)であり、神経系はシステムだと思うので、微妙に例えの粒度をミスっている気がするが、まあ分かる。要はなんでも計算機として捉えてもいいよね、ということが言いたいのである。
で、それが最初に書いてあって、デジタルネイチャーとは生物が生み出した量子化という叡智を、計算機テクノロジーによって再構築するということだよって。ここまでがその文章ですね。
先程よりもっと強い主張を重ねていて、俺たちがやっている計算機テクノロジーっていうのは生物46億年だかの歴史がやってきたことを再現することだ、といいたいのだろう。
で、えっと、計算機テクノロジーによって再構築するってのは、この……統計的な誤り補正と、統計的な微分処理。あー、偏微分を自動化するようなアプローチを、計算機テクノロジーによって再構築すると。
つまり、えーと、生物的、生物的デジタル処理と、あとなんだっけ……あれだ、地球が生まれて何億年っていうじゃないですか。46億年かけて作った、イテレーション？
最近流行りの機械学習はまさにそういう生物46億年だかの歴史を再現する取り組みじゃん？と共感を投げかけている。
ここは真面目に読むと文章の体をなしていないので、さすがに考えるな感じろと言われている気分になる。
イテレーションによって出てきた結果、例えば、サバの背中の模様ですけど……
カタルシスであったこの部分はturing partternの話で、反応各散系という微分方程式がサバの背中の模様を再現することが知られている。先程の生物をシステムとして捉えるという複雑系の思想を踏まえて、複雑系の代表例を挙げて、実際そういう研究結果ありますよね、と例示しているのである。平たくいうと、さっきの生物も計算機だし、実際計算の結果サバの背中の模様が生まれているということが言いたいのである。
反応拡散系にどれくらい物理的有意義さがあるのかはわからないが、個人的には知性や計算などが介在してああなっているという話ではなくて、魚の模様を再現するいい数理モデルありますよ以上の話ではないと思っており、あんまり対応していない気がする。
CNNのconvolution層と視神経の話とか出したほうがいい気がする。イテレーションを重ねた結果視神経の構造がいい感じになっていて、人工知能の世界でもその構造を真似すると性能も上がったんですよ、のほうが多分筋が通るのでは。
そのイテレーションを……計算機の場合は、このイテレーションってだって一秒間に……CPUだったら3ギガ回とか回せるわけじゃないですか。3ギガ回まわせて、生物だったらこれって、一年に一回とかですよね。
この処理を回すことで、こっちのコンピュータの世界のやつを……現存する自然を更新する程度に、生態系にミックスしてしまおうと。つまり、今、人間と自然というのがあって、二項対立で語られてた問題を……一つの、人間的に定義された超自然を作って、まず。
人間的に定義された超自然の中に人とか、生物とか、あとここに計算機とかを、入れてしまうっていうような、自然観の更新なんですよ。こいつのことをデジタルネイチャーと呼んでいると。
この、定義されたデジタルネイチャーっていうのは、世界中にIoTデバイスとか、この、サブタイトルにもある「汎神化した」っていうのはIoT、ユビキタスのことなんですけど、ユビキタスデバイスっていう外側の存在と、あとコンピュータの中でイテレーション回していく内側の存在っていうのが、ほぼ等価であるっていう思想に基づいているんですよ。
ここはもう哲学・世界観の話なのでそう思うなら実現しちゃってくださいという感じである。しがないデータサイエンティストはそこまで未来をぶちあげられないし、残念ながらそこまでぶちあがってる未来に共感もできない。生活があるので。飯食っていかなきゃいけないので。
一応補足しておくと、今はまだ生物46億年の再現だけど、今後は計算機が自然のなかに溶け込んだ自然観を作ることを俺はやっていくんだということを言っているのである。
思いっきり茶化すと、"俺がガンダムだ"、あるいは"俺自身が月牙になる事だ"ということだ。
ということで、後半はデジタルネイチャーってのはそもそも生物を計算機として見たってよくって、今実際に計算機で生物の再現をやっていて、今後はそれを踏まえてそういう計算機生物の二項対立を破壊して新しい自然観を作って行くんだ、という、思想的な話をしているんだなとまあまあ読めるわけである。
落合陽一のすごいところは、実際には彼は音波でものを動かしたりとか、石鹸膜にレーザーで絵を書いたりとか、レーザーで空中に絵を書いたりしていた人なのだけれど、それだけにとどまっていないところである。それらは、ぶち上げているデジタルネイチャーの要素技術っぽさが確かにあるし、ちゃんとデジタルネイチャーという新しい世界観をぶち上げることができる。皮肉ではなくて、これは凡人にはできないし、言っていることとやっていることの一定の整合性がある。
さらに、こういったハイコンテクストなトークを一席打てるわけである。言い換えれば、言論人の立ち振舞のプロトコルを再現できるわけである。やはり皮肉ではなくて、これで飯を食っていけるわけだから、単純にすごいのである。
追記
ちなみに、落合陽一みたいにマッチョな言論を打つ（ぶつ）人は結構珍しい。
古市が評価されているのは、大きな物語の終焉、日本に実際に来てますよ、若者は身内で鍋パしてユニクロで服買って幸せそうにしてますよ、というのを実証的に述べたからであったと記憶している。ワイドショーでひねくれたこと言う担当の兄ちゃんじゃないのだ。
その流れを汲んで上野が経済成長諦めろと言って、北田が経済成長やめろとかマジでやめろと怒っている、というのが多分1年前くらいの議論である。
多様性は大事なので、落合陽一みたいにマッチョな言論を打てる人がいることはいいことだと思う。
追追記
チューリング・パターンの話は、生き残りやすい（視覚的に見えにくかったり）サバの模様が遺伝していくということが自然の計算による最適化の結果だということらしい。
これは確かに頷けて、反応各散系というのは、いくつかのパラメータ（定数）によって全然違った二次元の模様を描くようなものである。
生き残ったサバの模様のパラメータが次代に受け継がれ、死んだサバの模様のパラメータは捨てられる、これはまさにイテレーションを通じた自然における最適化の結果、今のサバの模様があると言われると、納得が行く。
切り出しが短くてそこまで思い至らなかったが、主張としてはリーズナブルである。
9/24 僕とシスプリとキンスパ2018
早熟な子供だった。
早熟だったので、岡山の片田舎で生まれて、18年間もこんな狭い世界で生きていくことに絶望を覚えていた。
とにかく、暇だった。
暇だったので、父親が買ってきたパソコンで、インターネットにハマった。
みるみるオタクになった。
エヴァの二次創作とか、パワポケの攻略サイトとかを読んでいた。
そんなとき、僕はシスプリに出会ってしまった。
ある日突然、あなたに１２人もの妹ができたらどうしますか？
それも……とびっきりかわいくて
とびっきり素直で
とびっきり愛らしくて
とびっきりの淋しがりや。
しかも、そのうえ……
彼女達はみんなみんな、とびっきり！
お兄ちゃんのコトが大好きなんです……
頭を殴られたような衝撃というのは、あのことを言うのだろう。
当時11歳の僕は笑ってしまって、その後一気にどツボにハマった。
なぜハマってしまったかはもう覚えていないが、その後、キャラクター紹介を眺めていたところまでしか記憶がないのだから、しょうがない。
シスプリは毀誉褒貶の激しいコンテンツだった。
当時は妹ブームといわれていて、ギャルゲーもエロゲーも妹属性がつくヒロインが人気になりがちだった。
これはもともと妹キャラというのは添え物、おまけという扱いだったというのが、徐々にメインを張るようになったという流れだったと記憶している。
2018年の……いや、少なくとも2000年代後半から、妹キャラの存在しない学園系美少女ゲームはほぼ存在しない。
妹ブーム以後、妹キャラは描くべきモチーフとして定着したことを示しているということだろう。
妹ブーム末期のなか、シスプリに対しては、妹萌えという概念が成熟し、定着していく中で咲いた時代の徒花のような扱いをする人も少なくなかった。
おそらく公野櫻子御大にしか書けない、人類の墓標に刻むべき名文、
"ある日突然、あなたに１２人もの妹ができたらどうしますか？"
という問いかけのインパクトの強さでネタ扱いされることもあったのだろうと思う。
"ある日突然、あなたに１２人もの妹ができたらどうしますか？"以上に人間の想像力の限界に迫る問いかけを僕はまだ知らない。
アニメの出来が良くなかったことも一因だった。
ウニメという単語を知っているだろうか？
キャベツって単語すら聞かなくなっただろうこの現代だけど、シスプリのあまりに超展開なアニメから、出来の悪いアニメをウニメって呼んでいたくらいだった。
さらに、ハマった2002年当時、シスタープリンセスはもう終わりかけのコンテンツで、これ以上のメディア展開は望めそうに無かった。
シスプリは、ハーレム作品の最たるものだとは思うけれど、推しの妹を作るのが”お兄ちゃん”の作法とされた。
"お兄ちゃん"っていうのは、ラブライブに対するラブライバーみたいなもので、シスプリ愛好家たちはお互いのことを”お兄ちゃん"と呼んでいた。
当時は推しという言葉がなかったか、あるいはあってもアイドルオタクの間だけのものだったので、お兄ちゃんたちは自分の推しの妹のことを"マイシスター"略して"マイシス"とも呼称していた。
僕のマイシスは衛だった。
外見がショタっぽいのにすごく女の子らしい子だったのと、本当にただ”あにぃ”と一緒にいたいというオーラが強い子だったので、一発でやられてしまった記憶がある。
え、"あにぃ"とは何かって？12人いる妹が12人ともお兄ちゃんって呼んだら、個性がないので、12人いる妹はそれぞれ別の呼び方でお兄ちゃんと呼ぶのだ。
シスプリは年齢を公的には設定していないので、個々のお兄ちゃんの好きなように設定していいという風潮が一般的だったのだけれど、当時の一般的な設定年齢に依ると、登場人物の半分以上は妹じゃなくて姉だなと思った記憶がある。
衛については、前述した"ただ一緒にいたいという子犬みたいなオーラ"が、これが妹だなと僕に思わせたのだろう。
逆に、可憐（メインヒロイン格）とかは、やっぱり妹として見るにはちょっと年上っぽかったのでマイシスターにできなかったのだろう。
シスプリにハマった当時結構な人数が姉に見えたが、今は全員妹に見えてしまうのは、時間が本当に恐ろしいことを教えてくれる。
衛は妹の中では1,2を争うくらい男の子っぽい女の子だったから、妹同士のカップリング相手にもされていた。
男の子っぽい女の子と女の子っぽい女の子が居たら、それはお互いに依存しあわないと何かがおかしいのは世の常だ。
カップリング相手によく採用される一番手として、花穂という12人の妹のうちの1人がいた。
花穂はドジだったり、勉強ができなかったりする。
チアダンスを習っていて、何事にも一生懸命で、うまくやれない自分に落ち込む。
落ち込んだ際はいろんな人に励ましてもらったり、”お兄ちゃま"に優しい言葉をかけてもらって、最終的に日常に帰っていく。
突き詰めてしまうと、自分に自信がないけどかわいいというモチーフの女の子で、それは僕に"妹"を感じさせた。
こうして、僕は二人の妹をシスタープリンセスに見出したのであった。
CDを買った。親が居ないすきにPlay Statitonでゲームをした。
キャラコレと言われるラノベみたいなものも買った。
二次創作のSSを読み漁ったし、自分でも書いて投稿していた。
さて、しかし終わりかけのコンテンツに終わりかけの時点でハマってしまったので、僕とシスプリの蜜月はそんなに続かなかった。
もうだいぶ記憶はあやふやなのだが、振り返ってみよう。
15歳のころの僕は、涼宮ハルヒを見て、多分これよりいいアニメはもうこれから出ないだろうと思った。
14歳のころの僕は、ローゼンメイデンを見て"生きることは戦うこと"だと教わった。27になっても未だにそう思っている。
なので、13歳くらいまではシスプリをひたすら追っかけていたと思うが、お別れは突然に、双恋という企画が新しく始まりますよということでほとんど打ち切りのような形でお別れしたのだと記憶している。
さて、これが決して僕とシスプリの全てではないが、まあ、人生の辛かった時期というか、田舎で悶々としていた時期をシスプリにだいぶ救ってもらっていた。
シスプリは間違いなく僕の人生だった。
今日はキンスパ2018で、なんとシスプリ発のユニット、pritsが出ていた。
これが運命だと思った。
水樹奈々が亞里亞だった頃なんて、もう何年前か誰にもわからないけれど。
けれど、そこに居たのだ。
マイシスターたちが、そこに居たのだ。
片田舎で、膝を抱えて、パソコンの前で、ただマウスをクリックして、画面をスクロールすることしか出来なかった僕の、目の前に。
マイシスターたちが、そこに居たのだ。
"お兄ちゃま、久しぶり！"
本当に奇跡だと思った。
ああ、花穂、僕はもう、あの頃みたいに若くもないし、肌の張りもないし、頭の回転も遅くなってしまった。
僕はもう、科学者にもなれないし、最初に入った会社は半年で辞めてしまった。
とんだちゃらんぽらんな大人になってしまった。
僕は田舎の片隅で、東大に行くって当時言っていて、東大には行けたけど、大した人間にはなれなかった。
僕はもう妹萌えなんて概念も忘れちゃって、ただ日々に忙殺されてるだけだ。
僕はもうギャルゲーもしないし、エロゲーもしない。アニメもほとんど見ない。
ただ、アイドルの動画をyoutubeで見るだけだ。
花穂、思い出させてくれてありがとう。
僕に、あの頃の花穂との思い出を、思い出させてくれてありがとう。
久しぶりって言ってくれて、ありがとう。
僕はまだ、花穂のお兄ちゃまなんだ。
お兄ちゃまは、大した人間になれなかった。
僕の人生、思い通りにならないことばっかだ。
けど、僕はずっと、花穂のお兄ちゃまで居ていいんだ。
僕はずっと、花穂のお兄ちゃまだったんだ。
そんなふうに思えたこと、最近どれくらいあったかはわからないけど。
シスプリに救われた、2018年9月の休日だった。
8/22 新宿のラーメン屋について
会社のビルがめちゃめちゃ駅前にあるので、新宿のラーメン屋ならどこにでも行けてしまうという幸運に恵まれたおれは、日頃からラーメンを貪らざるをえない状況に置かれている。ここでは行ったことのあるラーメン屋を紹介したいと思う。
はやし田
https://tabelog.com/tokyo/A1304/A130401/13216496/
醤油ラーメンとのどぐろラーメンがあるが、のどぐろのほうがうまい。魚の油がキレのいい醤油ラーメンをちょっと魚臭い感じに風味豊かにしており、なんとも言えないちょうどいいまろやかな旨味のラーメンである。
風雲児
https://tabelog.com/tokyo/A1304/A130401/13044091/
魚粉系豚骨つけ麺のゴールデンスタンダードともいうべきつけ麺である。ザ・東京のつけ麺として紹介するにふさわしいつけ麺。
五ノ神製作所
https://tabelog.com/tokyo/A1304/A130401/13120708/
風雲児がゴールデンスタンダードならば、五ノ神製作所は間違いなくここでしか食べられないつけ麺をだすつけ麺屋の一つだろう。エビベースのダシとベースのスープ（味噌/トマト）の起こす化学反応の中毒性の高さは文句なしである。ちょっと磯臭いのも食欲をそそる。具も大ぶりでスープの濃さに負けずに美味しい。ちなみに、筆者はエビトマトがお気に入りである。
凪
https://tabelog.com/tokyo/A1304/A130401/13054766/
たまになぜかどうしても行きたくなってしまうという点において、凪はどのラーメン屋よりも上に来るだろう。大量の煮干しから生成される複雑な味わいのスープを飲むと、不思議と安心するのは、遺伝子に刻み込まれた旨味という概念のせいである。
ちなみに、なぜか筆者は行くとしばらく鼻からくしゃみが止まらなくなる。でも行っちゃう。
麺屋海神
https://tabelog.com/tokyo/A1304/A130401/13045287/
あっさりとしたスープと細い麺の相性が抜群で、何玉でも食べ続けることができてしまいそうなラーメンである。具がどこか中華料理を感じる味わいで、全体を通して実に高貴な味わいのラーメンである。
満来
https://tabelog.com/tokyo/A1304/A130401/13000808/
チャーシューとメンマは量が決して多いだけでなく、ものすごくうまい。チャーシューはちょっと獣臭いが、胡椒を振れば中世ヨーロッパにて胡椒と銀が同等の重さで取引されていたことが信じられる味わいである。素朴なスープと麺の相性もよく、途中で酢を入れるなどして味変して楽しむことが出来るのもポイント高し。
俺の空
https://tabelog.com/tokyo/A1304/A130401/13156913/
実は一番筆者のお気に入りかもしれない。白湯ラーメンのたどり着くべき最終型の一つとでも形容すべき、万人に愛されるタイプのスープである。
中本
https://tabelog.com/tokyo/A1304/A130401/13001010/
筆者はたまに行って冷やし味噌やさいしか食べない。中本がうまいのは全人類がとっくに知っている。
町田家
https://tabelog.com/tokyo/A1304/A130401/13000892/
間違いなく新宿の家系のtop of topである。新宿で家系ラーメンを食べるならここ以外の選択肢はまず上がらないだろうというレベルで群を抜いている。
三田製麺所
https://tabelog.com/tokyo/A1304/A130401/13119950/
実は筆者はあまり得意ではない。甘い系のドロドロ魚粉ラーメン。
青葉
https://tabelog.com/tokyo/A1304/A130401/13000856/
有名チェーンのラーメン屋の中で好きなラーメン屋と言われたら、青葉はかなり上位にくる。ちょっとつけだれが酸っぱいのがなんとも食欲をそそり、特盛をペロッと完食してしまう。
7/15 multiple change points detection of CVR by pymc3
この記事では、多分一番コードがシュッとする感じに書けるpymc3を用いた複数の変化点検出を紹介します。
また今回採用する題材は、いわゆる"率"の変化点検出であるため、web業界などでのCVRやCTRの時系列的変化として比較的汎用なものです。
たとえば、施策を打った際のCVRの変化などをこういった方法で検出することは非常に自然な考え方です。
なお、変化点の数は分析者が置きで決めるタイプのものとして、変化点の数も一緒にベイズ推定するさらにハードコアなやつは今後の課題とします。
使うデータは
xn--v6q193b2rby9ymh4b.realtime-chart.info
の支持率データをお借りすることにします。
まず、簡単にプロットしてみましょう。
いくつか急激に上がったり下がったりしている部分、つまりイベント効果が見受けられます。
こいつを、
df = df.resample('1W').sum()
とすれば、weeklyのデータにresamplingすることができます。（ただし、indexをTimeIndexにする必要があります。）
resamplingしたものはこちらです。
さっきよりギザギザは減ってますが、それでもイベント効果が乗ってる感じはしますね。
今回やりたい分析は、こういったイベント効果を取り除いて、"支持率のベースラインの変化"を取り出したいとしましょう。
本当は分析結果がイベント効果に吸い付かなかったためにこういうお題目にしているわけでは決してありません。
さて、そのためのモデルを組んでいきましょう。
1つの点の変化点検出はpymc3のチュートリアルにもあるので、詳しく動作させるのはそちらやgistを見ていただくとして、こういう感じにモデルを書けば動きます。
変化点検出はこちら。
Getting started with PyMC3 — PyMC3 3.5.rc1 documentation
weeks = df.reset_index().index with pm.Model() as model: switchpoint = pm.DiscreteUniform('sp', lower=weeks.min(), upper=weeks.max()) p1 = pm.Beta('p1',alpha=1,beta=1) p2 = pm.Beta('p2',alpha=1,beta=1) rate = pm.math.switch(switchpoint>=weeks, p1, p2) k = pm.Binomial('k',observed = df['Yes'].values, n = df['Count'].values, p = rate)
で、こういう感じの結果が得られます。
これをplotするとこんな感じです。
一回上がって一気に下がったあたりでベースラインが下がってるっぽいわよ、という分析結果になっています。
これだと流石にモデリングが足りてない感じがするので、もうちょっと変化点の数を増やしたいよね、というのが今回の本題です。
しかし、上のコードを見ればわかるように、pymc3の変化点検出のチュートリアルは変化点の数に対して線形にコードが長くなっていく実装になっていて、これはイケているとは言えません。
そこで、今回は変化点の数に対して線形にコードが長くならない実装を紹介します。
K = 5 with pm.Model() as model: switchpoint = [pm.DiscreteUniform('sp0',lower=weeks.min(),upper=weeks.max())] for i in range(1,K): switchpoint = switchpoint + [pm.DiscreteUniform(f'sp{i}',lower=switchpoint[i-1] + 1, upper=weeks.max())] p = pm.Beta('p',1,1,shape = K+1) rates = [pm.math.switch(switchpoint[i] >= weeks, p[i], p[i+1]) for i in range(K)] k = pm.Binomial('k',observed = df['Yes'].values, n = df['Count'].values, p = rates)
こういう感じに書けば、見事変化点がいくつ増えてもコードが長くなりません。
ハマったポイントは、最初はpm.math.switchのほうで変化点の位置をコントロールしようとしたのですが、そうでなくて事前分布のほうで変化点の位置をコントロールする実装が正しいというところです。
これはいかにもベイズっぽくてな、なるほど……となりました。
こやつにMCMCをかけた結果がこちらです。
で、plotしたのがこちらです。
うーん、まあそこそこベースラインを取り出せていると言っていいんじゃないでしょうか。
このモデルのチューニングの特徴としては、変化点の事前分布を結構強めに置かないといまいちワークしないことでした。
実際にK=8とかでやっちゃうと、後ろの方に変化点が詰まっちゃってモデルの推定が失敗します。
推定がうまくいかないときは、目に見えてMCMCが遅くなるので、そのへんはpymc3と対話してください。
gistはこちら。
gist.github.com
5/6 地方創生☆チクワクティクスの歌詞にはデータサイエンティストとして知っておくべき知識が沢山詰まっている
地方創生☆チクワクティクスを知っているだろうか。
五十嵐裕美さんという稀代の電波ソング歌い手から繰り出される往年のイオシス節たっぷりの名曲である。
それ以上に歌詞が素晴らしく、データサイエンティストとして働く上で重要なことがたくさん詰まっているので、一つ一つ解説していきたい。
・バリューチェーン。人的/物的資源からどのようにして付加価値が発生しているかを行程ごとにまとめたもの。
・ブランディング。自社の製品に対して、顧客の支持や信頼を勝ち取ること。また、そのために行う行動。
この節はなによりジャンジャンバリバリとバリューチェーンの響きが良い。聞くと一発でバリューを生み出すぞという気持ちになる。
こっこっコアってコンピタンス ちょっとほんとSWOT
・コアコンピタンス。自社が競合他社に対して圧倒的に勝っており、差別化できる能力のこと。
・SWOT。SWOT分析ともいう。Strengths/Weaknesses/Opportunities/Threatsの4要素で事業の現状を分析すること。
内的強み/内的弱み/外的チャンス/外的ピンチの4要素らしい。（知らなかった……）
マーケティングんぐん すすめ勝ち取れ 顧客優先 ぱんぱかぴんぽんぱんぽろん
・マーケティング。一般的用語すぎて難しいが、ものを売るために行う活動、というのが個人的にはしっくりくる。
・顧客優先。心構えとして重要である。
ターゲティングんぐん みんな一緒に それ えいえいおー！
・ターゲティング。顧客を何らかの方法で分類した後、性質の良さそうな集団に絞ってマーケティングなどを行うこと。
データマイニング ゆくぞ稼ぐぞ 収益増大 ぱんぱかぴんぽんぱんぽろん
・データマイニング。データサイエンスの昔の言い方と思っておけばまあ外さない。
・収益増大。これも重要である。現場に分析屋として投入された場合、基本的には事業貢献 or dieである。
ジニ係数がなかなか下がらないめう…… 敵は東名阪にありーっ！
・ジニ係数。おそらくここでは不平等さの文脈で使われているとかんがえられるが、決定木の分割指標としても有名。
決定木とは｜マーケターのための データマイニング・ヒッチハイクガイド１４ - International Blog
から引用した、
ブラジルのジニ係数に喩えるのであれば、所得の高い人と、所得の低い人に人口を分割して 2つの国を作ることによって、それぞれの国のジニ係数を低下させると考えていただくと理解しやすいのではないかと思います。
二つの同質性の説明がわかりやすい。
われらの戦場 グローバル 右手に持つは 知恵の槍
アンビリーバボーなイノベーション
戦略目標 ユニバース この眼に光る 意思の星
ファンタスティックなソリューション
・この節はデータサイエンティストとして働く際の心構えがすべて詰まっていると言っても過言ではない。寝る前に三回唱えて寝たい。
サンプリングんぐん 配れバラ撒け 総需要喚起 ぱんぱかぴんぽんぱんぽろん
・サンプリング。ここでは標本抽出でなくて、おそらく試用品を配る方のサンプリング。
ネットワーキング バズれ繋がれ 話題沸騰 ぱんぱかぴんぽんぱんぽろん
・ネットワーキング。友達あるいは知り合い作りと思っておけば外さない？
・バズ。ネット上で話題になること。特にネットワーク的な性質（人から人へ情報が伝わり、話題になるような状況）が強い時、バズという。
われらの権勢 ユビキタス 大地を分かつ 金の斧
ジオグラフィックセグメンテーション
経営拡大 ガバナンス わが世の春に 株の花
メイドインヒナビテーション
・ユビキタス。遍在すること。私が学生のころユビキタスコンピューティングというのが流行し、最近はそれらがIoTと呼ばれるようになった（私見）
・ジオグラフィックセグメンテーション。住んでる地域ごとにセグメンテーションすること。セグメンテーションとは顧客や潜在顧客を何らかの基準によって分割すること。
・マーケティング理論の4Cが元ネタだと思われる。画期的だったのは、今までものを売る側の論理でマーケティングしていた(4P)が、そうでなくて、ものを買う側の論理でマーケティングしようという点らしい。
われらの戦場 グローバル 右手に持つは 知恵の槍
アンビリーバボーなイノベーション
戦略目標 ユニバース この眼に光る 意思の星
ファンタスティックなソリューション
・大事なことなので二回言ってる。落ちサビ。
以上述べてきたとおり、地方創生☆チクワクティクスが、いかにデータサイエンティストとして知っておくべきことがたくさん詰まった歌詞かがわかる。
そんな地方創生☆チクワクティクスをフルで聴くなら、LINE MUSICで。
「データアナリストは、組織におけるデータアナリスト」：某社 だみ〜氏の一日
これが面白すぎたので自分でも書こうと思った。
digiday.jp
データ人材への需要が高まっている。
具体的には、だみ〜氏のチームは今の倍の人数居ても(30人)いいかなとチームのみんなは思っている。
08:30 am 朝はギリギリまで寝る。スヌーズを10分単位で二回かけて08:50 amまで寝る。
08:50 am お風呂に入る。冬場は暖房をつけてから入るのがコツ。最近珪藻土バスマットを買って快適になった。
09:20 am お風呂から上がったら出社の準備。財布とケータイをカバンに入れるだけなので、最近は手ぶらで出社できるんじゃないかと思ってきた。この日のコーデもユニクロ。サラリーマンになってから10kg太ったのでユニクロ以外が似合わなくなった。走ったら胸と腹の肉が揺れる。
09:40 am 自宅からオフィスまでは40分。いま住んでいるxxxは、ど下町だ。中国人家族経営の中華料理屋が目立つ。コインランドリーがたくさんある。錦糸町も近いので治安は悪い。地元の人しか入れないような飲み屋がたくさんある。
10:00 am 会社に着くのは10時ギリギリ。午前中は打ち合わせやミーティングが入ることはほとんどないので、まず着いたらタバコを吸う。大学でタバコを覚え、さらに大学院でもタバコを吸っていたこともあって、とにかくニコチン中毒。タバコを吸いつつ、今日やらなければならない仕事を脳内で列挙していく。タバコを吸い終わったあと、ひたすらにjupyter notebookを叩いてwikiにグラフを量産していく。
12:30 pm 12:30になるとチームの有志で昼食。この会社に入ってから九割はオフィスに運ばれてくる弁当を選んで食べる。この会社の弁当のメニューは偏っていて、気を抜くと揚げ物を週五で食べることができるので、ブクブク太っていく。かなりの大食いなので、食べ過ぎて眠くなって午後は寝る。大学生のときは意味もなく食費を削っていた。あの頃のハングリー精神が懐かしい。
学生時代から家計簿は一度もつけたことがない。出る金と入る金というシンプルなKPIツリーが彼の人生のすべてだ。
13:30 pm 昼食のあともjupyter notebookをひたすらに叩く。ミーティングだろうとお構いなしに叩く。自席でyoutubeを見ながら叩く。最近はtask have funがお気に入りだ。ときどき寝る。とくに、飲み会の次の日は絶対寝る。
16:30 pm 企画にレポートを見せる。そこそこ合意形成できた手応えアリ。だみ〜氏はこの会社では相対的に分析を長くやっているので、自身の分析に対する信頼はわりと厚いと自負している。実際のところは知らない。
将来的には全社員が、データアナリストがいなくても自らデータを扱えるようになるのが理想。
そうなったら適当なデータに適当に確率分布をあてがってはMCMCして事後分布を描くだけで給料を貰いたい。
20:30 pm 20時過ぎには退社。夕飯は適当に済ませる。
21:30 pm 家に着く。youtubeでアイドルのPVを見ながら飲酒して身体を揺する。インターネットをする。
23:30 pm ひとしきり踊り狂ったので寝る。寝ながらなんJ系のまとめblogを読んで、巨人が今年も弱そうなことを感じながら寝る。日々の生活の中で、プライベートの無意義さがすごいので本当に早くなんとかしたいと思い続けている。
