自分のブックマークを整理するために作成
随時追加予定

決定木

• 参考サイト
  • scikit-learn で決定木分析 (CART 法) – Python でデータサイエンス https://pythondatascience.plavox.info/scikit-learn/scikit-learn%E3%81%A7%E6%B1%BA%E5%AE%9A%E6%9C%A8%E5%88%86%E6%9E%90
  • sklearn: http://scikit-learn.org/stable/modules/generated/sklearn.tree.DecisionTreeClassifier.html

ランダムフォレスト

• 参考サイト
  • Python scikit-learnのランダムフォレストで受診予約のNo-Showを予測する https://ohke.hateblo.jp/entry/2017/08/04/230000
    
  • sklearn: http://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html

勾配ブースティング

• XGBoost
  
  • 参考サイト https://homes.cs.washington.edu/~tqchen/pdf/BoostedTree.pdf
    
  • GitHub: https://github.com/dmlc/xgboost
    
  • Feature: https://xgboost.readthedocs.io/en/latest/model.html
    
  • Paper: http://www.kdd.org/kdd2016/papers/files/rfp0697-chenAemb.pdf
• LightGBM
  
  • slideshare https://www.slideshare.net/tkm2261/nips2017-lightgbm-a-highly-efficient-gradient-boosting-decision-tree
    
  • GitHub: https://github.com/Microsoft/LightGBM
    
  • Feature: https://lightgbm.readthedocs.io/en/latest/Features.html?highlight=leaf%20wise
    
  • Paper: https://papers.nips.cc/paper/6907-lightgbm-a-highly-efficient-gradient-boosting-decision-tree.pdf （

A/Bテスト

Uplift modeling

• 参考サイト　
  • Uplift-Modelingで介入効果を最適化する https://qiita.com/saitoy/items/af3fa59d0ee153a70350
  • 「仕事ではじめる機械学習」のUplift Modelingのコードを写経してみた https://ysk24ok.github.io/2017/11/25/uplift_modeling.html

ゲーム理論

• 参考サイト
  • 組合せ最適化 - 典型問題 - 重みマッチング問題 https://qiita.com/SaitoTsutomu/items/bbebc69ebc2549b0d5d2
  • ‪実世界で超頻出！二部マッチング (輸送問題、ネットワークフロー問題）の解法を総整理！‬https://qiita.com/drken/items/e805e3f514acceb87602
• 応用事例
  • 最適な保育所入所選考を実現するAIを用いたマッチング技術を開発 http://pr.fujitsu.com/jp/news/2017/08/30.html

クラスタリング

参考サイトhttps://dashee87.github.io/data%20science/general/Clustering-with-Scikit-with-GIFs/

k-means

• slideshare https://www.slideshare.net/takemikami/k-means-55567232
  
• sklearn http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html#sklearn.cluster.KMeans

LDA

• 参考サイト
  • トピックモデル（LDA）で初学者に分かりづらいポイントについての解説 http://acro-engineer.hatenablog.com/entry/2017/12/11/120000
    
• 応用事例
  • トピックモデルの応用 - 統計数理研究所 http://www.ism.ac.jp/~daichi/lectures/H24-TopicModel/ISM-2012-TopicModels_day2_4_supervised.pdf

PLSA

• 参考サイトおよび応用事例
  • PLSA（確率的潜在意味解析法）https://www2.deloitte.com/jp/ja/pages/deloitte-analytics/articles/analytics-plsa.html
• 応用事例
  • テキストマイニング × AIで、効果的な業務コンサルティングを展開 https://www.msi.co.jp/tmstudio/userscase_pdf/ADL.pdf

共クラスタリング

• 参考サイト
  • ぞくパタ最終回:　13章「共クラスタリング」https://www.slideshare.net/eguchiakifumi/13-56954036

協調フィルタリング

• 参考サイト
  • 協調フィルタリングとは https://www.albert2005.co.jp/knowledge/marketing/recommendation_basics/collaborative_filtering
  • Amazonの推薦システムの20年 https://takuti.me/note/two-decades-of-amazon-recommender/
  • Collaborative recommendations using item-to-item similarity mappings https://patents.google.com/patent/US6266649
  • Two Decades of Recommender Systems at Amazon.com https://www.computer.org/csdl/mags/ic/2017/03/mic2017030012.html
  • System for detecting probabilistic associations between items https://patents.google.com/patent/US8239287
  • Toward Better Interactions in Recommender Systems: Cycling and Serpentining Approaches for Top-N Item Lists https://www.slideshare.net/QianZhao12/toward-better-interactions-in-recommender-systems-cycling-and-serpentining-approaches-for-topn-item-lists
• 応用事例
  • Amazon、楽天、yahooとかのレコメンデーションはこれで予測している(この商品を買った人はこんな商品も買っています)。 MFは、Netflix Prizeで成果を上げたモデルの一つ。 FISMは、KDD’14。

Matrix Factorization

• 参考サイト
  • Matrix Factorizationとは https://qiita.com/ysekky/items/c81ff24da0390a74fc6c

Factored Item Similarity Models

• paper http://glaros.dtc.umn.edu/gkhome/fetch/papers/fismkdd13.pdf

Factorization machines

• 参考サイト
  • Factorization Machinesについて調べてみた https://qiita.com/wwacky/items/b402a1f3770bee2dd13c
  • [論文] Factorization Machines (ICDM 2010) 読んだ http://d.hatena.ne.jp/repose/20150402/1427982066

• paper https://www.csie.ntu.edu.tw/~b97053/paper/Rendle2010FM.pdf

• kaggle Click-through rate コンペ https://github.com/guestwalk/kaggle-2014-criteo
  https://github.com/guestwalk/kaggle-avazu

内容ベースフィルタリング

• 参考サイト
  • 【レコメンド】内容ベースと協調フィルタリングの長所と短所・実装方法まとめ https://qiita.com/haminiku/items/f5008a57a870e0188f63
• 応用事例
  • 映画やドラマなどの推薦システムに使われている?

強化学習

• 参考サイトおよび応用事例
  • 強化学習とは？ALPHAGOでも使われている強化学習を丁寧に解説 https://udemy.benesse.co.jp/ai/reinforcement-learning.html

逆強化学習

• 参考サイト
  • UC.Berkeleyの敵対的逆強化学習の論文を読む http://mabonki0725.hatenablog.com/entry/2018/01/08/180035
  • GANとIRLの同義性 https://www.slideshare.net/MasatoNakai1/irs-gan-doc-75501225
• 応用事例
  • 機械学習により「動物の行動戦略」を解読 －動物は何を報酬として行動しているのか－ http://www.kyoto-u.ac.jp/ja/research/research_results/2018/180515_1.html
  • Activity Forecasting http://www.cs.cmu.edu/~kkitani/pdf/KZBH-ECCV12.pdf

色々

• レコメンデーション
  • Recommendation Technologies for Multimedia Content https://www.comp.nus.edu.sg/~xiangnan/icmr18-recsys.pdf
  • Podcast "Data Skeptic" の推薦システム回が良すぎて3回聞いた https://takuti.me/note/data-skeptic-recommender-systems/