何が選ばれたかという情報から評価関数推定3

何が選ばれたかという情報から評価関数推定3

• 1.
  What you chooseindicates what you value 3 chen(@yuno_miyako)
• 2.
  機械学習で試してみる 使うアルゴリズムはニューラルネット 正解データは選ばれたか否かの0or1 入力データは特徴量をそのまま入れる
• 3.
  予想される懸念 同じ特徴量でも、他の選択肢の特徴量によって は正解データが0になったり1になったりする このままやってちゃんと学習できるのか？
• 4.
  さっそくやってみる 機械学習は入力データと正解データがあれば気 軽にできるので実装が簡単 ただしうまくいくかどうかはやってみないと分 からない
• 5.
  推測する評価関数を決め る 今まで評価関数を線形で仮定してきたが、これ はあまり現実的ではない 我々の評価関数は、「価格は絶対1万円以下 で、この機能は欲しくて、まああの機能はあっ たら嬉しいかな」のようなもの さらに気まぐれも入ったりする
• 6.
  それっぽい評価関数 x1は0.2以上、x2は0.8以下が絶対条件 x5を価格だと思えばそれで割るのはコスパの計 算のモデル化と言える 最後に気まぐれの乱数 評価関数 = function(x){ ifelse((x[1]> 0.2) & (x[2] < 0.8) , 1 , 0) * (3 * x[3] + 2 * x[4] ) / x[5] + runif(1) }
• 7.
  試しに前回作った線形モデ ルで正答率を計算すると 正答率 : 62.09% 線形でないものを線形モデルに当てはめ たので正答率は低い
• 8.
  ニューラルネットでは… 正答率 : 81.04% 正答率高い、さすが機械学習
• 9.
  ちなみに 生データのままだと当然選ばれたものより選ば れなかったものの方が多いため、正解データに ０が多い 正解データに０が多いという偏りがあると、そ れで学習したニューラルネットが全部出力を０ にしてしまいます。 そこで正解データの０と１を えています。
• 10.
  まとめ 機械学習は人々の嗜好を学習できるかも 人やAIの行動で何が選択されたかを記録するだ けで、その人の嗜好や行動原理を学習できるか も