Slide 1

Slide 1 text

集合知 プログラミング #9 高度な分類手法: カーネルメソッドとSVM (前半) 2013.4.2 集合知プログラミング勉強会 #TokyoCI @komiya_atsushi https://github.com/komiya-atsushi/TokyoCI-study

Slide 2

Slide 2 text

Agenda 1. 線形分類 2. 今回のお題 3. 基礎的な線形分類 4. データを線形分類しやすくする 「9.5 データのスケーリング」 までとします

Slide 3

Slide 3 text

By eschipul http://www.flickr.com/photos/eschipul/2957264066/ 線形分類

Slide 4

Slide 4 text

線形分類 •教師あり学習・クラス分類 •数値的な「特徴 (変数)」と「クラス」を持 つたくさんのデータをもとに、それらを二 つに分ける境界「超平面」を求める •超平面の「あちら」なのか「こちら」なの かを識別し、クラス分類を予測する

Slide 5

Slide 5 text

線形分類 •教師あり学習・クラス分類 •数値的な「特徴 (変数)」と「クラス」を持 つたくさんのデータをもとに、それらを二 つに分ける境界「超平面」を求める •超平面の「あちら」なのか「こちら」なの かを識別し、クラス分類を予測する 「超平面」とか、ちょっと何 言っちゃってんのあんた・・・

Slide 6

Slide 6 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105

Slide 7

Slide 7 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 【解決したい問題】 体積と重量から、 コインの真贋を明らかにしたい

Slide 8

Slide 8 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 【解決したい問題】 体積と重量から、 コインの真贋を明らかにしたい クラス 特徴

Slide 9

Slide 9 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 体積

Slide 10

Slide 10 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 重量

Slide 11

Slide 11 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 本物のコインと

Slide 12

Slide 12 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 ニセモノの コインを

Slide 13

Slide 13 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 分断する超平面 (線)を引く

Slide 14

Slide 14 text

わかりやすくいうと… CodeIQ「金貨の真贋を見分けよう」https://codeiq.jp/ace/naoyat/q105 いかにして、綺麗に分離できる 超平面を求められるか? が課題

Slide 15

Slide 15 text

非線形/線形分離不可能

Slide 16

Slide 16 text

非線形/線形分離不可能 二つのエリアに分かれて しまっている

Slide 17

Slide 17 text

非線形/線形分離不可能 ここに超平面を 引くと…

Slide 18

Slide 18 text

非線形/線形分離不可能 これらの分類 誤りが発生する

Slide 19

Slide 19 text

非線形/線形分離不可能 とはいえここに 超平面を引いても…

Slide 20

Slide 20 text

非線形/線形分離不可能 こんどはこちらが 分類誤りとなる

Slide 21

Slide 21 text

非線形/線形分離不可能 世の中には直線では 割り切れない問題もあるんだよ…

Slide 22

Slide 22 text

非線形/線形分離不可能 世の中には直線では 割り切れない問題もあるんだよ… この問題はこの後発表の大平さんが 解消してくれるはず…!

Slide 23

Slide 23 text

By paris20vt http://www.flickr.com/photos/21334906@N08/6259402565/ 今回のお題

Slide 24

Slide 24 text

問題設定 •一組の男性と女性の情報から、その二 人が適したカップルか否かを判断する •年齢(数値) •喫煙するか?(Yes/No) •子供が欲しいか?(Yes/No) •趣味(文字列・複数) •住んでいる場所(文字列)

Slide 25

Slide 25 text

問題設定 •一組の男性と女性の情報から、その二 人が適したカップルか否かを判断する •年齢(数値) •喫煙するか?(Yes/No) •子供が欲しいか?(Yes/No) •趣味(文字列・複数) •住んでいる場所(文字列) 特徴 クラス

Slide 26

Slide 26 text

問題設定 •一組の男性と女性の情報から、その二 人が適したカップルか否かを判断する •年齢(数値) •喫煙するか?(Yes/No) •子供が欲しいか?(Yes/No) •趣味(文字列・複数) •住んでいる場所(文字列) つまりは「ツ◯◯イ」とか 「オ◯◯◯ト」などの裏側で動かすと よい感じなシステムですねきっと!

Slide 27

Slide 27 text

男性・女性それぞれの年齢の散布図

Slide 28

Slide 28 text

男性・女性それぞれの年齢の散布図 • 緑色の丸印が適した組み合わせ • 赤の + 印が適していない組み合わせ 男性の年齢 女性の年齢

Slide 29

Slide 29 text

男性・女性それぞれの年齢の散布図 これでは線形分類できませんね…

Slide 30

Slide 30 text

今回のお題の特徴 •非線形である •変数(特徴)が相互に影響を与え合っ ている •変数が独立でない

Slide 31

Slide 31 text

今回のお題の特徴 •非線形である •変数(特徴)が相互に影響を与え合っ ている •変数が独立でない 与えられたデータの意味を考えず 解釈せずにそのまま分類器に かけることは、良い考えではない

Slide 32

Slide 32 text

基礎的な 線形分類

Slide 33

Slide 33 text

線形分類 •小難しいことを考える前に、簡単に作 れる線形分類器を作ってみましょう! •二つのクラスの平均をとり、平均の中 央に超平面を引くことにします •とっても荒っぽいですが、まあ、やって みましょう

Slide 34

Slide 34 text

単純化した問題で考えてみる

Slide 35

Slide 35 text

単純化した問題で考えてみる • 緑色の丸印が適した組み合わせ • 赤の + 印が適していない組み合わせ

Slide 36

Slide 36 text

単純化した問題で考えてみる 適していない クラスの平均 適している クラスの平均

Slide 37

Slide 37 text

単純化した問題で考えてみる 両クラスの平均の 真ん中に超平面を引く

Slide 38

Slide 38 text

単純化した問題で考えてみる 適していると 判断する領域 適していないと 判断する領域

Slide 39

Slide 39 text

単純化した問題で考えてみる 適していると 判断する領域 適していないと 判断する領域 超平面を引いたはいいが「あちら」と 「こちら」はどうやって判別するの?

Slide 40

Slide 40 text

ベクトルのなす角を見る M0 M1

Slide 41

Slide 41 text

ベクトルのなす角を見る M0 M1 「適している」 の中心 「適していない」 の中心

Slide 42

Slide 42 text

ベクトルのなす角を見る M0 M1 「適している」 の中心 「適していない」 の中心 M1 -M0

Slide 43

Slide 43 text

ベクトルのなす角を見る M0 M1 「適している」 の中心 「適していない」 の中心 O M1 -M0

Slide 44

Slide 44 text

ベクトルのなす角を見る M0 M1 C O

Slide 45

Slide 45 text

ベクトルのなす角を見る M0 M1 C O

Slide 46

Slide 46 text

ベクトルのなす角を見る M0 M1 C O M1 +M0

Slide 47

Slide 47 text

ベクトルのなす角を見る M0 M1 C O M1 +M0 (M1 +M0 )/2

Slide 48

Slide 48 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 49

Slide 49 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 50

Slide 50 text

ベクトルのなす角を見る M0 M1 X1 X2 C C-X1 C-X2

Slide 51

Slide 51 text

ベクトルのなす角を見る M0 M1 X1 X2 C 赤色のベクトルと緑色のベクトルが なす角に着目してみよう!

Slide 52

Slide 52 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 53

Slide 53 text

ベクトルのなす角を見る M0 M1 X1 X2 C < 90°

Slide 54

Slide 54 text

ベクトルのなす角を見る M0 M1 X1 X2 C < 90° 適している!

Slide 55

Slide 55 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 56

Slide 56 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 57

Slide 57 text

ベクトルのなす角を見る M0 M1 X1 X2 C > 90°

Slide 58

Slide 58 text

ベクトルのなす角を見る M0 M1 X1 X2 C > 90° 適していない!

Slide 59

Slide 59 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 60

Slide 60 text

ベクトルのなす角を見る M0 M1 X1 X2 C 角度が < 90° であれば「適している」 > 90° であれば「適していない」 と判断することができる!!!

Slide 61

Slide 61 text

ベクトルのなす角を見る M0 M1 X1 X2 C では、どうやって角度を 把握すればよいのか…?

Slide 62

Slide 62 text

ベクトルのなす角を見る M0 M1 X1 X2 C 角度が 90° を超えたか、 超えてないかのどちらかが 分かればそれで十分!

Slide 63

Slide 63 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 64

Slide 64 text

ベクトルのなす角を見る M0 M1 X1 X2 C

Slide 65

Slide 65 text

ベクトルのなす角を見る M0 M1 X1 X2 C cosθ の値が正か負かで 角度が 90° より大/小が分かる

Slide 66

Slide 66 text

ベクトルのなす角を見る M0 M1 X1 X2 C ベクトルの 内積を計算しましょう!

Slide 67

Slide 67 text

ベクトルの内積 • ∙ = cos

Slide 68

Slide 68 text

ベクトルの内積 • ∙ = cos a・b が正か負かで 判断できる

Slide 69

Slide 69 text

ベクトルの内積 • ∙ = cos • ∙ = + • = , , = ( , )

Slide 70

Slide 70 text

ベクトルの内積 • ∙ = cos • ∙ = + • = , , = ( , ) 角度は分からないけど、 内積を計算すれば目的は 果たせる

Slide 71

Slide 71 text

クラス分類をする式 M0 M1 X1 X2 C = (( − ) ∙ ( − ))

Slide 72

Slide 72 text

By Glyn Lowe Photoworks http://www.flickr.com/photos/glynlowe/8494249683/ データを線形分類 しやすくする

Slide 73

Slide 73 text

問題設定(おさらい) •一組の男性と女性の情報から、その二 人が適したカップルか否かを判断する •年齢(数値) •喫煙するか?(Yes/No) •子供が欲しいか?(Yes/No) •趣味(文字列・複数) •住んでいる場所(文字列)

Slide 74

Slide 74 text

問題設定(おさらい) •一組の男性と女性の情報から、その二 人が適したカップルか否かを判断する •年齢(数値) •喫煙するか?(Yes/No) •子供が欲しいか?(Yes/No) •趣味(文字列・複数) •住んでいる場所(文字列) 数値ではないので、 線形分類するには扱いにくい…

Slide 75

Slide 75 text

カテゴリデータを数値化する •「Yes/No」→ 1 / -1 に置き換える •「趣味」→ 一緒の趣味を数え上げる •男性:fashion, opera, tv, travel •女性:soccer, fashon, tv, movies •値は 2 •「住所」→ ジオコーディング&距離計算 •今回は geopy + Bing Maps API を利用

Slide 76

Slide 76 text

カテゴリデータを数値化する •「Yes/No」→ 1 / -1 に置き換える •「趣味」→ 一緒の趣味を数え上げる •男性:fashion, opera, tv, travel •女性:soccer, fashon, tv, movies •値は 2 •「住所」→ ジオコーディング&距離計算 •今回は geopy + Bing Maps API を利用 これが最適なやり方か どうかは別

Slide 77

Slide 77 text

スケーリング •「Yes/No」は -1~1、「趣味」は 0~、 「住所は」0~ •変数ごとに尺度が異なる •すべての変数を 0~1 の間に収める

Slide 78

Slide 78 text

分類結果・精度 • 精度の測定方法 • matchmaker.csv の全 500 件を訓練データとして利用 • 同じく全 500 件をそのまま評価データとして利用 • 測定対象 • スケーリングなし • スケーリングあり • おまけ:AROW • 利用する特徴 • 年齢のみ • 年齢・子供 • 年齢・子供・喫煙 • 年齢・子供・喫煙・趣味 • すべて(上記+住所)

Slide 79

Slide 79 text

分類結果 スケールなし スケールあり AROW 年齢のみ 279/500 (55.8%) 279/500 (55.8%) 299/500 (59.8%) 年齢/子供 279/500 (55.8%) 297/500 (59.4%) 354/500 (70.8%) 年齢/子供/喫煙 279/500 (55.8%) 294/500 (58.8%) 314/500 (62.8%) 年齢/子供/喫煙/趣味 279/500 (55.8%) 294/500 (58.8%) 312/500 (62.4%) すべて (上記+住所) 278/500 (55.6%) 294/500 (58.8%) 292/500 (58.4%)

Slide 80

Slide 80 text

分類結果 スケールなし スケールあり AROW 年齢のみ 279/500 (55.8%) 279/500 (55.8%) 299/500 (59.8%) 年齢/子供 279/500 (55.8%) 297/500 (59.4%) 354/500 (70.8%) 年齢/子供/喫煙 279/500 (55.8%) 294/500 (58.8%) 314/500 (62.8%) 年齢/子供/喫煙/趣味 279/500 (55.8%) 294/500 (58.8%) 312/500 (62.4%) すべて (上記+住所) 278/500 (55.6%) 294/500 (58.8%) 292/500 (58.4%) …何とも微妙な結果 ですね!

Slide 81

Slide 81 text

By Alex Balan http://www.flickr.com/photos/alexbalan/3717404335/ まとめ

Slide 82

Slide 82 text

まとめ •線形分類の考え方 •超平面で分離する •ベクトルの内積(ドット積)を利用して 判別する •どの特徴を利用/選択するのかによって、 分類結果の精度が大きく変わる •データをよく観察しよう!

Slide 83

Slide 83 text

Thanks ! & Any questions? Photo by tjuel http://www.flickr.com/photos/tjuel/5805421265/