2017年9月26日にBPStudy#121が開催されました。

第1部は、サイボウズ・ラボの西尾泰和さん*1にお話いただきました。

f:id:haru860:20170926190834j:plain

資料は以下です。

If文から機械学習への道 from nishio

if文から機械学習へ

機械学習は、日頃のプログラミングから遠く感じるが、実は身近なif文と地続きでつながっている

要約

if文は、重み付き和*2で表現できる。
重み付き和の重みを人間が決定するのがルールベース。コンピューター（機械）がデータをもとに決定するのが機械学習

あらためてまとめ

スライドだけでも充分に理解できると思いますが、分かった気にならないように自分でまとめてみました。

f:id:haru860:20171009125129p:plain

（１）if文のシンプルな OR文とAND文
（２）−１：複雑な条件を、if文で表現→And と Orが組み合わさって複雑
（２）−２：真偽値を数値に変換して加算。数式で表現→複雑な条件もシンプルに表現できる

f:id:haru860:20171009125216p:plain

（３）And 条件、Or条件、組み合わせ条件の右辺を1で揃え、左辺に係数をつける→重み付き和の表現になる

f:id:haru860:20171009125236p:plain

（４）複雑な条件を考えてみる→条件ごとに重みが異なる
- 重みを人間が決める＝ルールベース
- 重みをコンピューター（機械）が決める＝機械学習

オンラインPython学習プラットフォームのPyQでは、西尾さん監修のもと、if文からはじめて機械学習を使うまでの流れを、具体的な事例で学べるコンテンツを用意しています。

pyq.jp

顧客価値と手法の関係

Q.以下の２つはどちらが顧客価値が高いか？
- 加工速度を2倍にする装置（顧客の利益を1万円増やす)
- 精度60%の識別器（顧客の利益を4万円増やす)
A.精度60%の識別器が4倍顧客価値が高い
- 精度は必ずしも重要ではない
- 顧客価値がどれくらい生まれるかが重要
- 顧客が何を求めていて、どのような制約条件があるか
（例）最新論文に書かれた手法を実装
- （制約条件）手法が要求する量のデータを顧客が用意できない
- その最新手法の実装は、顧客価値を持たない

機械学習の使いどころ

リーンスタートアップのMVP（Minimum Viable Product）の考え方で必要最小限の実装を考える
ステップ１：コンシュルジュ型MVP（実装しない）
- 人間が仕事（サービス）を担当する
- 人間が担当しているが、時間や労力がかかっている→機械化で顧客価値が増えるチャンス
- 顧客は出来ているが、自分はやり方がわからない=情報の伝達漏れ
- 顧客も自分もやり方がわからない=ムリなことをやろうとしている可能性
ステップ２：人間を箱に入れて考える。
- 箱には電子データしか入力できない。出力も電子データ
- 顧客から入力データを得る方法、出力データを与える方法を考える（制約条件になる）
- 出力から顧客価値を生む方法を考える
- アルバイトに任せるとして、マニュアル(人間が考えたルール)を書いてみる
ステップ３：箱の中をコンピューター（機械）に置き換える
- ステップ２で考えたルールをプログラミングする
- 実行して顧客が満足するか
- 満足しないなら、具体的不満を収集する
- 入力に対する出力の要望＝教師データ
ステップ４：機械学習の導入
- 教師データを使って機械学習
- 教師データが充実すると、アルゴリズムの良し悪しが定量的に測れるようになる
- ステップ３より精度が良いとは限らないので、PDCAサイクルを回し改善する
- 正しく分類できていないデータを眺め対策を考える（特徴量の追加など）
- 「判断の自信」を返してくれるアルゴリズム（ロジスティック回帰など）の場合、「自信のない結果」をみて教師データの追加（能動学習）