スパースモデリングを活用した データ解析の舞台裏

スパースモデリングを活用した データ解析の舞台裏

Presentation Slides at Machine Learning Meetup Kansai #1
https://mlm-kansai.connpass.com/event/81815/

227382dbd5e033db211c159edf32853c?s=128

Hacarus Inc.

April 04, 2018
Tweet

Transcript

  1. スパースモデリングを活用した データ解析の舞台裏 2018年4月4日 MACHINE LEARNING Meetup KANSAI #1 @株式会社はてな

  2. ػցֶशΛ࢓ࣄͰ࢖͏ͨΊʹ • ػցֶश΁ͷظ଴ײͱݱ࣮ͷࠩΛ஌Δ • ೉ղͳٕज़΁ͷཱͪ޲͔͍ํΛֶͿ • ஌ݟΛڞ༗͢Δ͜ͱͰ৽ͨͳࢹ఺ΛಘΔ

  3. છాوࢤ ͦΊ͔ͩͨ͠ • גࣜձࣾϋΧϧε औక໾$50 • ژ౎େֶ৘ใֶݚڀՊγεςϜՊֶઐ߈ଔ • 1ZUIPOྺ ೥

  4. ࠓޙͷొஃ༧ఆ • ͸ΜͳΓ 1ZUIPO •  ۚ !ژ౎ • 1Z$PO

    NJOJ0TBLB •  ౔ !େࡕ
  5. ϋΧϧεͱ͸ • ϔϧεέΞɾϥΠϑαΠΤϯε Y"* • εύʔεϞσϦϯάΛ࣠ͱͨ͠σʔλղੳ • $)0ࣨʹΑΔελοϑͷ݈߁ͮ͘Γ

  6. ڭҭػؔͱͷ࿈ܞ • ՊֶΞυόΠβʔɾେؔਅ೭ࢯ • ౦๺େֶେֶӃ৘ใՊֶݚڀՊ।ڭत • εύʔεϞσϦϯά΍ྔࢠίϯϐϡʔςΟϯά

  7. ΞδΣϯμ • εύʔεϞσϦϯά֓આ • ϋΧϧεͷσʔλղੳͷ෣୆ཪ • ·ͱΊ

  8. εύʔεϞσϦϯά֓આ

  9. εύʔεϞσϦϯά • σʔλʹ಺ࡏ͢Δεύʔεੑʹண໨ͯ͠ɺࣄ৅ ΛϞσϦϯά͢Δख๏ • ೥ࠒ͔Β੝Μʹݚڀ͞Εɺಛʹը૾ॲཧ ʹ͓͍ͯ׆ൃͳٞ࿦͕ͳ͞Ε͍ͯΔ • ΤϯδχΞʹ͓͚Δೝ஌͸·ͩ͜Ε͔Β

  10. ػցֶशͷಋೖ࣌ͷ՝୊ • ࣗಈԽ͸͍͕ͨ͠ɺઆ໌੹೚͸͋Δ • σʔλΛूΊΔͷʹ࣌ؒ΍ίετ͕͔͔Δ • ϋʔυ΢ΣΞͷίετ͸཈͍͑ͨ

  11. εύʔεϞσϦϯά΁ͷظ଴ • ೖྗಛ௃ྔͷதͷॏཁͳ΋ͷ͕Θ͔Δ • ෆ଍͍ͯ͠Δ৘ใͷਪఆ͕Ͱ͖Δ • (16 ؀ڥҎ֎Ͱ΋ಈ࡞͢Δ

  12. ଟ߲ࣜճؼͰͷಛ௃ྔબ୒ͷྫ ! = −$%& + $ + ؍ଌϊΠζ • ӈਤͷσʔλΛ؍ଌ

    • ଟ߲ࣜͰ͋Δ͜ͱ͸ط஌ • ͦͷ܎਺Λਪఆ͍ͨ͠ • ਅͷॏΈ͸ҎԼ
  13. ૉ௚ͳઢܗճؼͰ͸աֶश͢Δ • ϊΠζͷӨڹ΋͋Γਖ਼͘͠ਪఆͰ͖͍ͯͳ͍෦෼͕͋Δ • ਅͷॏΈ͸ೋͭʹର͠ɺશͯͷೖྗ஋Λ࢖͓͏ͱ͢Δ

  14. -BTTPͰͷਪఆ݁Ռ • ֓Ͷ؍ଌ৘ใΛਖ਼͘͠ਪఆ͍ͯ͠Δ • ܎਺΋εύʔεʹͳΓɺෆཁͳೖྗ͸࢖ΘΕͳ͍

  15. • աֶशΛ͚͞ΔͨΊʹਖ਼ଇԽ߲Λ௥Ճ -BTTPͷ໨తؔ਺ • ελʔτ஍఺͸࠷খೋ৐๏ min 1 2 & −

    () * Z ͕ग़ྗɺX ͸ॏΈɺY ͸ೖྗ min 1 2 & − () * + , ( -
  16. -ϊϧϜ࠷దԽ • ͳΔ΂͘গͳ͍ XͰ৚݅Λຬ ͨ͢΋ͷΛ૯౰ͨΓͰ୳͢ • ૊Έ߹Θͤ࠷దԽ໰୊ͱͳΓɺ ߴ࣍ݩʹͳΔͱܭࢉࠔ೉ ͱͳΔ Xͷ૊Έ߹ΘͤΛ૯

    ౰ͨΓͰ୳͢
  17. -ϊϧϜ࠷దԽ • ʮઈର஋ͷ૯࿨ΛͳΔ΂͘খ ͘͢͞Δʯʹ৚݅Λ؇࿨ • ܭࢉՄೳͰղΛٻΊΔ͜ͱ͕ Ͱ͖ΔΑ͏ʹͳΔ ੨࿮ͱͷަ఺ͷΈΛ୳͢

  18. ը૾ॲཧ΁ͷԠ༻ • ը૾Λࣙॻͱεύʔεදݱͷ૊Έ߹ΘͤͰද͢ ! = #$ :ը૾ "ࣙॻ 9εύʔεදݱ

  19. ࣙॻֶशͷΠϝʔδ !"" ⋮ !"$ = &' ("" ⋮ ("$ +

    ⋯ + &+ (+" ⋮ (+$ • ը૾͔Βύον Z Λ੾Γग़͢ • ύονΛগͳ͍ࣙॻ B Ͱදݱ Ͱ͖ΔΑ͏ɺࣙॻͱ܎਺ Y Λ ֶश͢Δ ੺࿮͕ύον
  20. ࣙॻʹΑΔ࠶ߏ੒ Yύον جఈͰͷ࠶ߏ੒݁Ռ

  21. ࣙॻֶशʹΑΔܽଛิ׬ͷྫ ܽଛ஋Λߟྀͨࣙ͠ॻֶशʹΑΔ৘ใ෮ݩ ը૾ :ʹର͠ྼԽ࡞༻ૉ .͕͔͔Δͱߟ͑ͯॲཧΛߦ͏

  22. ϋΧϧεͷσʔλղੳͷ෣୆ཪ

  23. σʔλͷεύʔεੑΛ୳͢ • -BTTPͳͲγϯϓϧͳख๏Λద༻ͯ͠ΈΔ • ಛ௃ྔಉ࢜ͷ૬ؔʹ஫ҙ͢Δ • ը૾Ͱ΋ݟํΛม͑Ε͹εύʔεʹͳΔ ͜ͱ ΋͋Δ

  24. ࠩ෼ը૾ͰͷεύʔεԽ ݻఆ఺ΧϝϥͰฏৗ࣌ CBTF ͱͷࠩ෼ʹண໨

  25. ։ൃ؀ڥͷϙʔλϏϦςΟ • +VQZUFS PO%PDLFSΛར༻ • 0QFO$7 ͷΠϯετʔϧ͸ະͩπϥ͍ • ղੳతͳࢼߦࡨޡ͸ϩʔΧϧͰ΍ͬͯɺେҬతͳֶ श͸ύϫϑϧͳϚγϯͰߦ͏

  26. αʔό؀ڥ • "84؀ڥͰ "1*ͱ࣮ͯ͠૷ • %PDLFSPO&$ • %PDLFSͰ CVJME ͯ͠

    -BNCEBͰ࣮ߦ • KPCMJC ͰֶशࡁΈ NPEFMΛϩʔυ • "NB[PO4BHF.BLFS ͷ࠾༻Λݕ౼த
  27. TQNJNBHF • εύʔεϞσϦϯάʹΑΔը૾ղੳ༻ϥΠϒϥϦ • ֤छΞϧΰϦζϜɾϢʔςΟϦςΟΛ࣮૷ • TDJLJUMFBSO४ڌ • ґଘ͸ TDJLJUMFBSOͷΈ

    • ΠϯλʔϑΣʔε΋ TDJLJUMFBSOελΠϧ • IUUQTHJUIVCDPNIBDBSVTTQNJNBHF
  28. ·ͱΊ

  29. εύʔεϞσϦϯάͱ͸ • ೖྗಛ௃ྔͷதͷॏཁͳ΋ͷ͕Θ͔Δ • ෆ଍͍ͯ͠Δ৘ใͷਪఆ͕Ͱ͖Δ • ࣮૷͸طʹ TDJLJUMFBSOʹ݁ߏ͋Δ • ଍Γͳ͍΋ͷ͸

    TQNJNBHFΛੋඇʂ • ຊ೔ͷ಺༰ ˠ IUUQTHJUJPWY,
  30. ϝϯόʔઈࢍืूதʂ • σʔλɾαΠΤϯςΟετ • ϔϧεέΞɾ࢈ۀܥͷ࣌ܥྻσʔλ΍ը૾ղੳΛ͍ͨ͠ • ϋʔυ΢ΣΞɾΤϯδχΞ • ػցֶशΞϧΰϦζϜΛ '1("ʹ࣮૷ͯ͠ര଎Խ͍ͨ͠

    • IUUQTXXXXBOUFEMZDPNDPNQBOJFTIBDBSVT
  31. σΟεΧογϣϯ͍ͨ͠ʂ • ϞσϧͱͦͷϞσϧΛ࡞ΔͨΊͷσʔλͷߏ੒ ؅ཧΛͲ͏ͯ͠·͔͢ʁ • ςετͱ͔ɺ͍Ζ͍Ζ೰Έ͋Γ㽂