読者です 読者をやめる 読者になる 読者になる
本blogに書かれている内容は、記事を書いた時点での僕の知識や調査によるものです。そのため、僕の不勉強による間違いや勘違いがか書かれていることもあり得ます。記事の内容の真偽について、ご自身できちんと確かめて下さいますようよろしくお願いいたします。また、不適切な表現や間違えについては、ご指摘頂けると助かります。

英検

英語

最近英語学習を継続しているので、英語力を試すという意味で、英検を受験してみようと思い立ちました。 2017年度第1回検定試験の受付がはじまったので、早速エントリーしました。 一次試験の試験日は「6月4日(日)」です。

TOEICは年に1回程度職場で受験していますが、英検は中学生以来の受験です。 中学生以来の英検受験ということで、今回は「2級」のみにエントリーしました。 英検のwebページによると、2級は、高校卒業程度のレベルとのことです。

当面の目標は「準1級」と考えています。 将来的には「1級」も目指していきたいですね。

Google Scholar

Google Scholarで自分の論文リストを作ることができ、さらに引用状況も調べることができるということを知りました。 そこで、早速作成しました。

https://scholar.google.co.jp/citations?user=mVQkjQIAAAAJ&hl=ja

作り方は至って簡単でした。

  1. Google Scholarでログインする。
  2. 画面上部にある「マイ引用」をクリックする。
  3. 「氏名」「所属」「関心分野」「確認用のメール」「ホームページ」を入力する。
  4. 「追加」ボタンを押して、画面左側に現れる「論文グループを追加」をクリックする。
  5. 自分と思われるグループを探して、「○○件の論文をすべて追加」をクリックする。

以上の操作で、自動的に自分の論文リストと、引用状況が表示される画面が出来上がります。

ただ、数理系のJournalにはやや弱いのか、僕の論文は半分くらいしか自動で追加されませんでした。 そこで、リストにない論文を手動で追加しました。 手動で追加するには、

  1. 「追加」ボタンを押して、画面左側に現れる「論文を手動で追加」をクリックする。
  2. 必要事項を入力して「保存」をクリックする。

という手順でできます。

そして出来上がったページが、上に紹介したページです。

【本】中室牧子・津川友介『「原因と結果」の経済学』

よく「相関と因果」は違うと言われるが、では、ある2つの変数間に単なる「相関」ではなく「因果」であることを示すためにはどうすればよいのか? 本書では、この問いに答えるためには「現実」におこっている結果と、「反事実」(実際はそうではないが、もし○○していなかったらどうなっていたか?)における結果を比較することが必要がある、と最初に簡潔に述べられています。 しかし、「反事実」における結果というものは、実際には存在しません。 では、どうすれば良いでしょうか? 答えとしては「反事実」っぽい状況で置き換えるという手段を用いる訳ですが、そのいくつかの方法について「ジュエリーショップの広告と売上」を例に述べられています。

具体的には、本書内では

  • ランダム化比較試験
  • 自然実験
  • 差の差分析
  • 操作変数法
  • 回帰不連続デザイン
  • マッチング法
  • 回帰分析の利用

について紹介されています。

どの方法論についても、概略(イメージ)を丁寧に説明されているので、それぞれの方法論を概観しようと思う場合には、本書は適していると思います。 一方で、実際に自分のデータを解析しようと思った場合には、この本を読んだだけでは難しいでしょう。 この本で、因果推論のイメージを掴んだ上で、本格的な本に進むと良いと思います。

「原因と結果」の経済学―――データから真実を見抜く思考法

「原因と結果」の経済学―――データから真実を見抜く思考法

【本】池井戸潤『銀行総務特命』

最近、専門書以外をあまり読んでなかったのですが、池井戸潤『銀行総務特命』を読みました。

主人公は銀行の総務部の特命係ですが、各章は別々の話になっている短篇集でした。 読み始めたら飽きることなく、さっと読み終えることが出来ました。 一番おもしろかったのは「特命対特命」の章だったかなと思います。 ただ、登場人物が多くて、僕には、途中でページを行ったり来たりしないと、話についていけなくなりそうになることもしばしばありました。

『銀行総務特命』と関連している『不祥事』も一緒に買ったので、これも読みたいと思います。

新装版 銀行総務特命 (講談社文庫)

新装版 銀行総務特命 (講談社文庫)

新装版 不祥事 (講談社文庫)

新装版 不祥事 (講談社文庫)

Python関係のアップデート

PC

僕は、Python関連はHomebrewでpyenvをインストールし、pyenvでanaconda3をインストールすることで、ライブラリを含め一式インストールしています。 今日、anaconda3とそれに含まれているspyderをアップデートしたので、その方法をメモしておきます。

  • anaconda3のアップデートは、次の2つのコマンドで実行しました。

    conda update conda
    conda update –all

  • spyderのアップデートは、次のコマンドで実行しました。

    pip install -U spyder

最近アップデートを怠っていたので、結構いろいろなものがアップデートされました。

TOEIC受験

英語

今日、職場でTOEICを受けました。前回TOEICを受けたのは、2015年9月だったので1年半振りくらいです。

手応えとしては、全然ダメでした。。過去最低点を記録するかもしれません。。 今回は特に集中力が持ちませんでした。

Listeningでも途中ぼーっとしてしまうときがありましたし、Readingについても(本文中に知らない単語は少ないレベルになってきたけれども、)ストーリーが頭に全然入ってこなかったです。

論文以外の易しめの英語をすらすら読む、ということを習慣づけた方が良いと強く思いました。

次回の英語テストは、来年度予定されている職場でのTOEICを受験するか、それとも6、7月の英検を受験するかちょっと考えてみようと思います。

【論文】Liu J et al. Chemical Research in Toxicology (2015) [2016-001]

論文

たまに、読んだ論文を紹介したいと思います。タイトルにある [2016-001] は、僕の文献管理番号なので、気にしないでください。

Liu J, Mansouri K, Judson R, Martin M, Hong H, Chen M, Xu X, Thomas R, and Shah I, "Predicting hepatotoxicity using ToxCast in vitro bioactivity and chemical structure", Chemical Research in Toxicology, (2015) 28 no.4, pp.738-751.

667化合物をトレーニングデータとして、長期のインビボ肝毒性について、ToXCastの711のインビトロアッセイデータと4376の分子記述子から判別モデルを構築することを試みた論文です。 インビボデータはToxRefDBから集め、分子記述子はQikPropというソフトウェアで計算したものとOpenBabel, PaDEL, PubChemから集めたとのことです。 インビボ肝毒性については、具体的には病理検査で観察された「肥大」「損傷」「増殖病変」の3つに着目しています。 また、判別モデルには6つの機械学習アルゴリズムが用いられており、どのアルゴリズムの予測精度が高いかについて議論しています。

結論としては、以下のようなことが書かれていました。

  • 判別モデルのパラメータには、分子記述子のみ用いるよりもインビトロアッセイも用いた方が予測精度があがること。
  • トレーニングデータが不均衡データ(着目しているエンドポイントで「陽性」の化合物が「陰性」の化合物より少ないこと。)なので、「陰性」化合物を減らして均衡データにした方が予測精度があがること。
  • クロスバリデーションで予測精度を定量化したところ、3つのエンドポイントいずれについても、80%程度の予測精度が達成されたこと。

いずれも「まあ、そうだろうな。」という感じの結論ですが、長期のインビボ肝毒性をターゲットにしている論文は少ない気がしたので、紹介することにしました。 また、僕もデータベースを用いた研究をしているのでよくわかりますが、これだけのデータを整理するのは大変だっただろうなと思います。