Datapalooza Tokyo Day-1 2-2 - Interpretability vs. predictivity

登壇

• Takashi J. OZAKI, Ph.D. @TJO_datasci
• Google

概要

自己紹介

• 銀座で働くデータサイエンティスト

  • http://tjo.hatenablog.com/

• アドホック分析

  • おしながき
    • http://tjo-en.hatenablog.com/

• 質問：どっちがどっち

  • ロジスティック回帰
  • SVM
  • サポートベクター
  • RBFカーネルSVM分類器
  • ランダムフォレスト
  • 変数重要度
  • 記述可能
  • 予測的

• 線形識別・回帰モデル

  • 具体的な式で表せる

• 線形回帰

• ロジスティック回帰

• 目的変数

• 説明変数

• 多変量

• 最小二乗法

• interpretable

  • 要素とそれに対するポイントからスコアを算出して、足し合わせる
  • ロジット変換
  • 線形分離可能パターン

• xorパターン

  • ロジスティック回帰は機能しない

• 交互作用項

  • accuracy
    ＊線形回帰ファミリー

• 階層ベイズ

• 二階差分モデル

  • 今日と昨日のトレンドの差
  • 昨日と一昨日のトレンドの差

• 季節調整(曜日)

• 7日周期モデル

• 階層ベイズモデル

• カーネルSVM

• LIBSVM

• テイラー展開

• 低バリアンス手法

• ランダムフォレスト

• 決定木

• bagging

• 変数重要度

• ノイズ

• Deep Learning

• ディープニューラルネットワーク

• overkill

• MXnet

• tensorflow/playground

• more interpretable, less predictive

• less interpretable, more predictive

For human vs. For machine

• ヒトが意思決定をするため？システムのアウトプットを決めるため？
  • for machineシステムの向こう側にいるユーザーにサービスするため、でもある

for fuman

• interpritable(解釈可能)である方が重要
  • 判断の材料を出してあげましょう

for machine

• predictiveである方が重要
  • プロセスより、高い結果を出してあげましょう
  • interpritableなものを出すと精度が低いって言われるよ

hybrid

• 人が見たいが精度もほしい
  • さぁどうする?
• そこまで含めて機械学習で実装してあげないとね

モデリング手法の特性を踏まえたうえでの手法選択 ==

キーワード

• 情報量基準

• 交差検証

• クロスバリデーション

• 100%あたっちゃったケース

• 黄色い本

• 多項式フィッティング

• 汎化

• 過学習

• AIC

• L1正則化

実務において

• 特徴量
• デモグラフィック情報
• political correctness

バランスをどう取るかがビジネス応用のカギ

i or pを学習アルゴリズムに基いて知っておくことは重要
4h = i, 4m = p