感情タグBEST3
このページにはネタバレを含むレビューが表示されています
Posted by ブクログ
記載の通り、機械学習プロジェクトについて考えるための本。本当にわかりやすく良著。詳しい人には物足りないかも。
＜メモ＞
・コンピュータが扱えるデータの進化。過去は数字のみであったが、現在は画像・動画・音声・テキストを取り扱えるように。眼の誕生であり、機械・ロボットの世界でカンブリア爆発が起きるとも言われている。、
・機械学習を行うために必要なデータ要件
1データ量が十分
2予測対象が適切に含まれている
3識別予測を行うために必要な情報が含まれている
・機械学習に不向きなこと
1偶発的に起こること
2現象が起こるメカニズムが複雑または現象を説明するデータが十分には取得できないもの
3過去のデータがないもの
・機械学習の目的
1自動化によるコスト削減
2高精度の識別、予測による効率化
・取組を始める前に自動化、効率化の効果を予測しづらいことや定期的にモニタリングが必要なことには注意。
・機械学習は教師あり学習、教師なし学習、強化学習の3つに分類される
・教師なし学習は次元削減をすることなど。主成分分析が代表的な手法。変数を集約して代表変数をつくる。
・強化学習は環境、行動、報酬から行動を学習していくもの・。
・構造化データは行列で表される表形式データ。非構造化データは画像テキスト音声など。
・画像データの機械学習はピクセル情報を全てRGBとして認識し、学習するもの
・自然言語データは文を品詞単位で分解し、出現頻度や関係性から分析する。形態素解析という。
・音声データはフーリエ変換により周波数ごとの特徴に変換する。
・問題に必要な特徴量をつくるために異常値処理や欠損地補完の考え方も異なってくる。
・過学習 学習データに対してのみ適合した学習を行ってしまうこと。
・精度改善するには
1 データの追加 データ追加更新・説明変数追加
2 前処理の調整 異常値・欠損値処理、スケール変換、次元削減
3 モデルの調整 モデル変更、ハイパーパラメーター調整、モデル分割
・機械学習プロジェクト
1 構想フェーズ
2 POCフェーズ
3 実装フェーズ
4 運用フェーズ
・構想フェーズのゴールはプロジェクトへの投資判断承認。
・機械学習の利用用途
1 識別 情報判別仕訳、音声画像動画の意味理解、異常検知予知
2予測 数値予測、ニーズ意図予測、マッチング
3実行 表現生成、デザイン、行動最適化、行動自動化
・テーマ考え方 事例から着想、業務プロセスから効率化余地を探る、
・データ利用可能性×期待成果でテーマを絞り込む
・機械学習において設定すべきKPI
ビジネス成果のKPI（ビジネスパフォーマンス）、機械学習モデル精度のKPI（モデル精度）、システム運用のKPI（安定性などシステム品質）
・
