January 2017 ~ Thang Le Blog

January 27, 2017

Chúc mừng năm mới 2017

Năm hết tết đến, mạn phép xin được gửi những lời chúc tốt đẹp nhất, thành công, hạnh phúc nhất và chân thành nhất đến toàn thể quý thầy cô, anh chị, các bạn và các đại đại gia đình.

Một năm mới đủ đầy

Sức khỏe trường vô biên

Hạnh phúc thêm đong đầy

Tâm tĩnh đức gieo nhân

Sống an tạo phước lành

CHÚC MỪNG NĂM MỚI - AN KHANG THỊNH VƯỢNG

Xây dựng mô hình tuyến tính bằng Bayesian Model Average (BMA)

rong phạm vi bài viết, mình tập tành chút trong việc xây dựng mô hình tuyến tính bằng Bayesian Model Average (BMA). Bài viết được áp dụng trên cơ sở giáo trình “Phân tích dữ liệu với R - Nguyễn Văn Tuấn” (trang 186-188). Theo đó, phép tính BMA tìm tất cả các mô hình khả dĩ và trình bày kết quả của các mô hình được xem là “tối ưu” nhất về lâu dài. Tiêu chuẩn tối ưu cũng dựa vào giá trị Akaike Information Criterion (AIC).

Trước tiên, để sử dụng phép tính BMA, chúng ta cần tải và cài package BMA.

> library(BMA)

Về dữ liệu:

> sk_kll

d h dt scanh re than canh la

1 2.16 0.90 0.93 5 0.35 0.12 0.17 0.35

2 5.25 2.10 2.15 14 3.34 1.34 1.10 2.20

3 4.17 1.84 2.01 15 2.25 0.75 0.67 0.95

..........................................

Trước tiên, chúng ta cần tạo ra một ma trận chỉ gồm các biến độc lập. Trong data (sk_kll) chúng ta có các biến d (đường kính gốc), h (chiều cao cây), dt (đường kính tán) và scanh (số cành dài trên 50cm)... của cây Keo lá liềm trồng trên đất cát vùng ven biển các tỉnh Bắc Trung bộ. Biến y (biến tiên đoán), có thể là (sinh khối rễ, sinh khối thân, sinh khối cành và sinh khối lá). Mục đích của phép tính này, là tiên đoán sinh khối bộ phận thân cây Keo lá liềm theo một số chỉ tiêu sinh trưởng (d, h, dt, scanh...).

Bước tiếp theo, chúng ta tạo ra một data frame mới gồm các biến độc lập (d, h, dt và scanh).

> biendoclap=sk_kll[,c(1:4)]

Lệnh trên có nghĩa, tạo ra data frame mới gồm 4 biến (d, d, dt và scanh) với tất cả các dòng dữ liệu.

Đối với biến tiên lượng (áp dụng cho từng biến tiên lượng). Cụ thể:

> re=sk_kll[,c(5)]

> than=sk_kll[,c(6)]

> canh=sk_kll[,c(7)]

> la=sk_kll[,c(8)]

1. Tiên lượng cho biến sinh khối rễ

Bây giờ chúng ta đã sẵn sàng phân tích bằng phép tính BMA. Để phân tích hồi qui tuyến tính, chúng ta sử dụng hàm bicreg trong package BMA.

> re1=bicreg(biendoclap,re, strict=FALSE, OR=20)

> summary(re1)

Call:

bicreg(x = xvars, y = re, strict = FALSE, OR = 20)

7 models were selected

Best 5 models (cumulative posterior probability = 0.7413 ):

p!=0 EV SD model 1 model 2 model 3

Intercept 100.0 -1.91834 NaN -1.74414 -1.72798 -1.72285

d 61.2 0.61783 NaN 0.96480 1.02960 1.07714

h 38.8 1.22103 NaN . . -0.28197

dt 38.8 0.18728 NaN . -0.15695 .

scanh 38.8 -0.06831 NaN . . .

nVar 1 2 2

r2 0.999 0.999 0.999

BIC -19.62465 -18.52604 -18.52604

post prob 0.224 0.129 0.129

model 4 model 5

Intercept -1.75410 -2.61290

d 0.99922 .

h . .

dt . 5.16129

scanh -0.01084 -0.36742

nVar 2 2

r2 0.999 0.999

BIC -18.52604 -18.52604

post prob 0.129 0.129

Kết quả bên trên đưa ra 05 mô hình được đánh giá là tối ưu nhất cho mô hình tiên đoán sinh khối rễ thân cây Keo lá liềm.

Chúng ta có thể thể hiện kết quả trên qua biểu đồ dưới đây:

> imageplot.bma(re1)

Tương tự, cho việc tiên đoán cho các biến tiên lượng (sinh khối thân, cành và lá).

2. Tiên lượng cho sinh khối thân cây

> than1=bicreg(biendoclap,than, strict=FALSE, OR=20)

> summary(than1)

Call:

bicreg(x = xvars, y = than, strict = FALSE, OR = 20)

  8  models were selected

 Best  5  models (cumulative posterior probability =  0.625 ):

           p!=0    EV      SD   model 1    model 2    model 3

Intercept  100.0  -0.8168  NaN   -0.68873   -0.67005   -0.67005

d           50.0   0.3396  NaN    0.62034    0.79334    0.79334

h           62.5   0.8939  NaN      .       -1.02619   -1.02619

dt          50.0  -0.3971  NaN   -0.57119      .          .

scanh       37.5  -0.0464  NaN      .          .          .

nVar                                2          2          2

r2                                0.999      0.999      0.999

BIC                             -18.52604  -18.52604  -18.52604

post prob                         0.125      0.125      0.125

           model 4    model 5

Intercept   -0.78377   -1.22190

d            0.50976      .

h              .          .

dt             .        2.63306

scanh       -0.03946   -0.22137

nVar           2          2

r2           0.999      0.999

BIC        -18.52604  -18.52604

post prob    0.125      0.125

> imageplot.bma(than1)

3. Tiên lượng sinh khối cành

> canh1=bicreg(biendoclap,canh, strict=FALSE, OR=20)

> summary(canh1)

Call:

bicreg(x = xvars, y = canh, strict = FALSE, OR = 20)

  7  models were selected

 Best  5  models (cumulative posterior probability =  0.7143 ):

           p!=0    EV       SD   model 1    model 2    model 3

Intercept  100.0  -0.54887  NaN   -0.45181   -0.43983   -0.43983

d           57.1   0.27623  NaN    0.44565    0.55664    0.55664

h           57.1   0.38324  NaN      .       -0.65834   -0.65834

dt          42.9  -0.03839  NaN   -0.36644      .          .

scanh       42.9  -0.03740  NaN      .          .          .

nVar                                 2          2          2

r2                                 0.999      0.999      0.999

BIC                              -18.52604  -18.52604  -18.52604

post prob                          0.143      0.143      0.143

           model 4    model 5

Intercept   -0.51279   -0.83484

d            0.37471      .

h              .          .

dt             .        1.93548

scanh       -0.02532   -0.15903

nVar           2          2

r2           0.999      0.999

BIC        -18.52604  -18.52604

post prob    0.143      0.143

> imageplot.bma(canh1)

4. Tiên lượng cho biến sinh khối lá

> summary(la1)

Call:

bicreg(x = xvars, y = la, strict = FALSE, OR = 20)

  7  models were selected

 Best  5  models (cumulative posterior probability =  0.7143 ):

           p!=0    EV      SD   model 1   model 2   model 3   model 4

Intercept  100.0  -1.1493  NaN   -0.7806   -0.7117   -1.1311   -2.0101

d           42.9   0.6460  NaN    1.4305    2.0686    1.0226      .

h           57.1   2.4123  NaN      .      -3.7850      .         .

dt          57.1  -1.4977  NaN   -2.1068      .         .       5.2823

scanh       42.9  -0.1348  NaN      .         .      -0.1456   -0.5105

nVar                                2         2         2         2

r2                                0.999     0.999     0.999     0.999

BIC                             -18.5260  -18.5260  -18.5260  -18.5260

post prob                         0.143     0.143     0.143     0.143

           model 5

Intercept   -0.9351

d              .

h            8.4853

dt          -6.8298

scanh          .

nVar           2

r2           0.999

BIC        -18.5260

post prob    0.143

> imageplot.bma(la1)

Trên đây mình có tập tành chút về áp dụng R hoặc tương tác với RStudio để xây dựng mô hình tuyến tính bằng Bayesian Model Average (BMA). Có thể tóm tắt các bước để tìm mô hình “tối ưu” bằng tiêu chuẩn BMA như sau:

> library(BMA)

> biendoclap=sk_kll[,c(1:4)]

> re=sk_kll[,c(5)]

> than=sk_kll[,c(6)]

> canh=sk_kll[,c(7)]

> la=sk_kll[,c(8)]

> re1=bicreg(biendoclap,re, strict=FALSE, OR=20)

> summary(re1)

> imageplot.bma(re1)

Quý bạn đọc cũng có thể tham khảo tại đây

Tự sự cuối năm!

ũng phải thú thực một điều rằng, cuộc sống này không đơn giản chút nào (tùy thuộc vào cảm nhận, suy nghĩ và hành động của mỗi người). Bởi, cuộc sống này đâu chỉ sống cho riêng ta. Xã hội là tổng hòa các mối quan hệ (tích cực, tiêu cực có - theo đúng nghĩa của nó). Vì vậy, cuộc sống này “đơn giản” bấy nhiêu, “phức tạp” bao nhiêu là ở chính bản thân mỗi chúng ta. Tuy nhiên, mối quan hệ giữa con người - con người ngày càng trở nên phức tạp, “sống sao cho phải tấm lòng bấy nhiêu”.

Để đơn giản hóa, có lẽ (nhận định cá nhân) chúng ta nên biết “cần”, “chưa cần” và “không cần” những gì ở mỗi thời điểm. Ở góc độ cá nhân, sau những bộn bề (đau đầu, rất đau đầu) của công việc, cuộc sống, tìm và lấy cái gì đó làm niềm vui (sở thích) để “bầu, bạn” sớm hôm. Đôi khi, ngay cả bằng hữu, vợ con và gia đình cũng chưa thể chia ngọt sẻ bùi, lắng nghe những gì ta đang “đấu tranh” trong tư tưởng. Và. Bản thân đã lựa chọn, lấy “cây cỏ hoa lá” để bầu bạn, tâm sự những khi ta “buồn, vui”. Cây cỏ hoa lá cũng là một thực thể sống - chúng đều có ý nghĩa nhất định trong sự tồn tại và phát triển chung của thế giới nhân loại (nhân sinh quan).

Cây cỏ hoa lá mới “biết” lắng nghe, dãi bày những tâm tư tình cảm, những buồn vui trong công việc và cuộc sống. Và. Người bạn ấy là một người giữ chữ tín hơn ai hết. Những gì mình chia sẻ chỉ có “mình và bạn” biết. Và. Những người bạn đó “rất thật” và không bao giờ làm mất “chữ tín”. Thế mới thấy, cây cỏ hoa lá cũng có “thực cách” như con người chúng ta (nhân cách). Đâu như, cuộc sống này chỉ là sống trong “ảo tưởng”. Lừa lọc lẫn nhau mà sống. Cuộc sống này, xấu xa nhất (hèn hạ nhất, bần cùng nhất...), tốt đẹp nhất... (nhiều nhất nhất) tựu trung cũng ở con người. Cụm từ “đối nhân xử thế” bây giờ đã “biến thái” đi ít nhiều. Thế mới nói “cuộc sống” phức tạp biết nhường nào. Liên quan đến cây cỏ hoa lá, người viết bài này lấy đó để bầu bạn, dãi bày những tâm tư tình cảm, và lấy đó làm niềm vui để sống tốt vốn trong cuộc sống bộn bề những lo toan, âu lo và phức tạp hôm nay.

“Thế mới biết, người xưa vẫn thường cho tinh thần đi chơi ngoài cảnh vật. Trong cách chơi mà vẫn ngụ ý về thế giáo thiên luân, vậy nên mượn cái cây, tảng đá mà ký thác cao hoài...” - Phạm Đình Hổ.

Thất bại không thể là một lựa chọn

ôm nay đã 26 tết rồi, đáng lẽ ra mình nên đề cập đến những gì liên quan đến tết nhất, giờ này mấy ai còn có tâm lý làm việc nữa (tâm lý chung khi nói chuyện với nhiều người như vậy). Trong khi đó, mình vẫn phải hoàn thành phần công việc (phải hoàn thành trước khi nghỉ tết) được giao. Thực tình mà nói, trong năm qua mình có nhiều tâm sự (buồn vui lẫn lộn - buồn nhiều hơn vui). Tựu trung lại là ở con người. Khổ nỗi, toàn những người mà mình tin tưởng. Chính vì tin tưởng nhiều nên mới thất vọng nhiều. Đó là sự “thiếu trách nhiệm”, “vô tâm”. Thậm chí “lợi dụng lòng tốt của nhau”.

Năm hết tết đến rồi. Mình cũng chẳng muốn nói nhiều những chuyện không đâu. Mà toàn những chuyện trên cơ sở nhận định chủ quan của cá nhân (phiến diện) nên sẽ là thiếu tính khách quan nếu không có trên 2 người có liên quan cũng đưa ra nhận định. Tuy nhiên, đây là vấn đề cá nhân, chẳng quan có thời gian quan tâm đến những gì mình nói. Vì vậy, có chăng mình chỉ đưa ra những nhận xét từ góc độ cá nhân mà mình đã từng trải qua, tiếp xúc và làm việc với những con người mà nhiều ít mình cảm thấy “thất vọng”. “Nhân vô thập toàn”. Biết là vậy. Nhưng, ngay mình cũng cảm thấy đã “thất bại” cho chính bản thân mình. Và. "Thất bại này không thể là một lựa chọn". Đúng. Chẳng ai lựa chọn được điều gì ngay cả thất bại. Bởi, mình sống và làm việc cùng tập thể chứ có sống, học tập và làm việc của cá nhân đâu.

Xin được “kể nể” một chút. Đó là những gì liên quan đến con người cùng làm việc (nhóm). Bởi sự thiếu trách nhiệm, đôi khi là vô tâm... nên đã làm ảnh hưởng chung đến nhiệm vụ, công việc chung của nhóm, phòng và Viện. Tức là, mỗi cá nhân đầu năm đều được giao những công việc, nhiệm vụ có liên quan đến chuyên môn và những công việc thường nhật khác. Kế hoạch là vậy. Nhưng do sự thiếu trách nhiệm nên kế hoạch “vỡ”. Công việc “dồn lại”, “ùn ứ”. Việc được giao không bố trí thời gian để giải quyết làm ảnh hưởng đến tiến độ, chất lượng chung của nhiệm vụ. Trong khi đó, “có nói”, “có mắng” (Sếp mắng, mình chỉ tâm sự, nói thôi) cũng bằng thừa. Đến “cận ngày” không giải quyết được lại đùn đẩy trách nhiệm cho người khác. Thật buồn thay cái “cung cách làm việc” của những con người mà tôi được (may mắn, phước) làm chung ít nhiều.

Tựu trung lại. “Thất bại không thể là một lựa chọn”. Lấy “thất bại” đó làm bài học “xương máu” cho cuộc sống vốn đầy dẫy những khó khăn, thậm chí là “cay đắng”. Hy vọng, sang năm mới sẽ có nhiều “khởi sắc” hơn ngay cả trong công việc, cuộc sống và đặc biệt, là những con người có liên quan. Việc “kể nể” này không có ý gì khác, ngoài việc, viết ra và lưu lại làm kỷ niệm (kỷ niệm xương máu) mà không phải ai cũng có thể trải nghiệm qua.

Cá lẹp kẹp với rau mưng

Hôm nay, chẳng hiểu làm sao. Ngồi xem lại điện thoại, thấy cái note hay hay, nên ngồi viết vài dòng, gọi là ôn lại kỷ niệm. Có dịp về miền biển Cẩm Dương, Cẩm Xuyên, Hà Tĩnh mới thấy sự ấm áp, giàu tình cảm của người dân nơi đây. Dẫu biết rằng, ở đâu cũng vậy “có người này người kia”, nhưng may mắn thay, cá nhân tôi cũng có cái “phúc, phần” khi được biết, tiếp xúc và làm việc ít nhiều với người dân. Đôi khi chỉ là “một lần đặt chân tới, để lại trong nhau nhiều kỷ niệm đẹp”. Cái mà 3 cùng “làm cùng, ăn cùng, ngủ cùng” luôn được vận dụng mỗi khi đi hiện trường. Bởi có bám người dân, bám địa bàn mới hiểu được phần nào cuộc sống, con người nơi đây và quan trọng hơn cả, đó yếu tố then chốt tạo nên một phần sự thành công của công việc (dự án).

“Cá lẹp mà kẹp với lộc mưng

Chồng ăn to miếng vợ trừng mắt lên”

Hay

“Cá lẹp mà kẹp rau mưng

Ông ăn một miếng bà trừng mắt lên”

Có ăn, có ở cùng với người dân mới thấy sự gần gũi, thân quen và tình cảm giữa con người với nhau. Một dịp được dùng cơm cùng với gia đình bác Kiều Lan, chẳng có gì thịnh soạn như mọi người nghĩ. Chỉ là bữa cơm thân mật, cơm rau thường nhật, với món đặc biệt “cá lẹp” và theo đó là ý nghĩa của nó. “Cá lẹp” ở đây là cá bãi ngang, tức là người dân đánh bắt gần bờ (bãi ngang), đi về trong ngày nên cá rất tươi, thậm chí cá về tới bờ vẫn còn nhảy nhót (hơi quá một chút). Cá vẫn tươi roi rói. Cá về kho tương bình thường. Nhưng cái đặc biệt, là cá lẹp kẹp với lá “lộc mưng”, tức là lá “lộc vừng”, loại lá bánh tẻ của cây Lộc vừng. Vị tanh, vị mặn của cá biển kết hợp với vị hơi chát của lá lộc mưng, hòa quyện, tạo nên mùi vị rất đặc trưng, rất riêng. “Bùi bùi, ngầy ngậy”. Thú thực, phải nhâm nhi chút một, mới cảm nhận được mùi vị đặc trưng của nó. Sẽ là khó để diễn tả nổi cảm nhận về món “cá lẹp kẹp với lộc mưng”. Bởi mỗi người có một trải nghiệm, khẩu vị và cảm nhận riêng, cho dù cùng thưởng thức một món, đồ gì đó. Đó là toàn bộ vế thứ nhất của câu ca dao “Cá lẹp mà kẹp với lộc mưng”.

Ở câu thứ hai. Thực ra, mình cũng chỉ được nghe kể lại thôi, chứ có ở thời điểm đó đâu mà hiểu phần nào toàn bộ ý nghĩa của câu đó. Sơ sơ là, thời điểm ấy, do đói kém (cái nghèo) nên cơm chẳng đủ ăn, chỉ có sắn, khoai mì, cơm độn... huống chi là có "cá lẹp" để ăn. Dịp nào đó, gia đình có việc nên có mua ít cá lẹp (cá bãi ngang) về kho và ăn kèm với rau lộc mưng. Chẳng hiểu sao. Chắc là có khách khứa gì đó. Chồng mới ăn một miếng “cá lẹp kẹp với rau mưng” thế là vợ nhìn thấy mới “trừng” mắt lên, tức là không hài lòng. Thú thực, mình không trải qua thời điểm đó nên sẽ là khó để dùng câu từ nào cho phù hợp để diễn tả lại những cung bậc cảm xúc của con người trong tình huống đó. Có chăng cũng chỉ là cảm nhận khi được thưởng thức món “cá lẹp kẹp với rau mưng”, nhưng còn vế thứ hai, chắc không có cái may mắn đó. Nên qua cái note này có đôi lời gọi là ôn lại chút kỷ niệm khi có thời gian về công tác cùng người dân ven biển miền Trung.