整理整頓

• 昨日までに何回か、共通項のある話を書いている
• 話が発散しているので、改めて、整理整頓

• 名義カテゴリの場合、それらの「位置」は正単体の頂点座標〜すべてのカテゴリ間の距離は等しい
• １次元の量的分布で一峰性（しかも対称性）の場合、値が近いものは近く、値が遠いものは遠く評価する。それをペアワイズで行うと分散の評価をすることと同じになる
• １次元の量的分布で一峰性の場合で、正規分布のような形が想定できないときに、パラメトリックに扱おうと思えば、一般化線形回帰のような方法を入れることで、線形回帰の評価になぞらえることができる
• １次元の量的分布で多峰性の場合、「近いものは近く」「遠いものは遠く」の原則があるなら（一般化）線形回帰も。順序を考慮したノンパラも概念的には同じこと
• 量的関係に「近いものは近く」「遠いものは遠く」の原則が当てはまらなくなると「非線形」（一般化線形回帰できるものは線形のうち）。非線形のものは「近いものは近く」「遠いものは気にしない」