Upgrade to Pro — share decks privately, control downloads, hide ads and more …

ダイエット体重予測AIの開発

tanaka-kaz
November 27, 2019

 ダイエット体重予測AIの開発

当社のパーソナルトレーニングジムに2ヶ月通うとどれだけダイエットできるかを予測するAIアプリを開発しました。
全国65店舗とWeb広告で運用しお客様獲得に貢献しています。アプリは、IBM SPSS modeler とIBM cloud で開発しています。本セッションではその開発の手順を説明します。特にSPSS modeler のニューラルネットワークでの予測モデルの作成については詳しくお話しいたします。

tanaka-kaz

November 27, 2019
Tweet

More Decks by tanaka-kaz

Other Decks in Technology

Transcript

  1. SPSS modeler の紹介 長所 短所 SPSS modeler ・データ事前処理が容易 ・ノープログラミング ・ハイパーパラメータのチューニング

    をお任せできる ・できあがったモデルの評価が容易 ・ディープラーニングはできない (隠れ層2層までのニューラル ネットワークしかできない) TensorFlow, Keras, Caffe, Chainer など ・ディープラーニングを柔軟に作る ことができる ・データ事前処理が工数大 ・プログラミングが必要 ・ハイパーパラメータの チューニングが必要 ・できあがったモデルの評価に 時間がかかる
  2. TensorFlow, Keras, Caffe, Chainerなど SPSS modeler の紹介 SPSS modeler 機械学習

    ハイパーパラメータ チューニング モデルの評価 プログラミング デバッグ データ事前処理 機械学習 モデルの評価 データ事前処理 ・体重予測、食事リコメンドでは、ディープ ラーニングではなくSPSS modelerで十分 ・一番こわいのはバグに気付かず モデルをリリースしてしまうこと
  3. どうしてもディープラーニングしたいときは… Watson Studio の Neural Network modeler を使えば本格的なディープラーニングがGUIで可能(BETA版で提供中) ・活性化関数がtanhだけでなくシグモイド、ReLU、ソフトマックスなど が使える(SPSS

    modelerはtanhだけ) ・畳み込みニューラルネットワーク、リカレントニューラルネットワーク (LSTMも)ができる ・その他各種手法ができる 詳細は下記URL https://dataplatform.cloud.ibm.com/docs/content/wsj/analyze-data/ml-canvas-nnd-nodes.html
  4. 正規化 <DerivedField dataType="double" name="body_weight1Norm" optype="continuous"> <NormContinuous field="body_weight1"> <LinearNorm norm="-2.06698779196136" orig="39.85"/>

    <LinearNorm norm="5.41128654079941" orig="148"/> </NormContinuous> </DerivedField> 活性化関数 <NeuralNetwork activationFunction="tanh" algorithmName="MLP" functionName="regression"> 隠れ層1つのニューロンへの重み係数 <Neuron bias="-0.724846018313902" id="14"> <Con from="0" weight="-0.271848772847346"/> <Con from="1" weight="-0.299660236145384"/> <Con from="2" weight="0.149979419900175"/> <Con from="3" weight="-0.463556812497122"/> <Con from="4" weight="-0.392756792982911"/> <Con from="5" weight="0.476198030460483"/> <Con from="6" weight="0.00752802853327331"/> <Con from="7" weight="0.0164592451047535"/> <Con from="8" weight="0.301551204845497"/> <Con from="9" weight="0.443040310611891"/> <Con from="10" weight="-0.549531123820282"/> <Con from="11" weight="-0.555442700451134"/> <Con from="12" weight="0.0129715811871202"/> <Con from="13" weight="-0.448142951653085"/> </Neuron> PMML(Predictive Model Markup Language)
  5. EoF