Submit Search
Upload
担当は予測できるのか? 担当予測器作成記
•
Download as PPTX, PDF
•
0 likes
•
240 views
E
EinosukeIida
Follow
2020/12/05 の im@s hackason で使用したLT資料です。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 18
Download now
Recommended
メタ プログラミングについて
メタ プログラミングについて
Shinichi Ueno
Type script x azure x pwa
Type script x azure x pwa
Shinichi Ueno
ギークを目指すエンジニャーの 情報収集方法 mohikan Slack
ギークを目指すエンジニャーの 情報収集方法 mohikan Slack
Kota Kanbe
Pythonではじめる野球プログラミング - kawasaki.rb #15 2014/8/27
Pythonではじめる野球プログラミング - kawasaki.rb #15 2014/8/27
Shinichi Nakagawa
ATND APIでMashUp
ATND APIでMashUp
big5
広島Git勉強会
広島Git勉強会
森下 智裕
「横田秀珠」のサジェストキーワード検索結果を最適化する方法
「横田秀珠」のサジェストキーワード検索結果を最適化する方法
新潟コンサルタント横田秀珠
画像収集を捗らせたい話
画像収集を捗らせたい話
anysense_ss
Recommended
メタ プログラミングについて
メタ プログラミングについて
Shinichi Ueno
Type script x azure x pwa
Type script x azure x pwa
Shinichi Ueno
ギークを目指すエンジニャーの 情報収集方法 mohikan Slack
ギークを目指すエンジニャーの 情報収集方法 mohikan Slack
Kota Kanbe
Pythonではじめる野球プログラミング - kawasaki.rb #15 2014/8/27
Pythonではじめる野球プログラミング - kawasaki.rb #15 2014/8/27
Shinichi Nakagawa
ATND APIでMashUp
ATND APIでMashUp
big5
広島Git勉強会
広島Git勉強会
森下 智裕
「横田秀珠」のサジェストキーワード検索結果を最適化する方法
「横田秀珠」のサジェストキーワード検索結果を最適化する方法
新潟コンサルタント横田秀珠
画像収集を捗らせたい話
画像収集を捗らせたい話
anysense_ss
G検定傾向と対策2018
G検定傾向と対策2018
Hide Fukano
欅坂46のメンバーを識別するアルゴリズムを作る
欅坂46のメンバーを識別するアルゴリズムを作る
Katsuya Ishiyama
G検定傾向と対策_pythonguild#3LT
G検定傾向と対策_pythonguild#3LT
Hide Fukano
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
Shintaro Fukushima
位置データもPythonで!!!
位置データもPythonで!!!
hide ogawa
20201102 postgresql unconference_debility
20201102 postgresql unconference_debility
Satoshi Hirata
再考: お買い得物件を機械学習で見つける方法
再考: お買い得物件を機械学習で見つける方法
智志 片桐
More Related Content
Similar to 担当は予測できるのか? 担当予測器作成記
G検定傾向と対策2018
G検定傾向と対策2018
Hide Fukano
欅坂46のメンバーを識別するアルゴリズムを作る
欅坂46のメンバーを識別するアルゴリズムを作る
Katsuya Ishiyama
G検定傾向と対策_pythonguild#3LT
G検定傾向と対策_pythonguild#3LT
Hide Fukano
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
Shintaro Fukushima
位置データもPythonで!!!
位置データもPythonで!!!
hide ogawa
20201102 postgresql unconference_debility
20201102 postgresql unconference_debility
Satoshi Hirata
再考: お買い得物件を機械学習で見つける方法
再考: お買い得物件を機械学習で見つける方法
智志 片桐
Similar to 担当は予測できるのか? 担当予測器作成記
(7)
G検定傾向と対策2018
G検定傾向と対策2018
欅坂46のメンバーを識別するアルゴリズムを作る
欅坂46のメンバーを識別するアルゴリズムを作る
G検定傾向と対策_pythonguild#3LT
G検定傾向と対策_pythonguild#3LT
アクションマイニングを用いた最適なアクションの導出
アクションマイニングを用いた最適なアクションの導出
位置データもPythonで!!!
位置データもPythonで!!!
20201102 postgresql unconference_debility
20201102 postgresql unconference_debility
再考: お買い得物件を機械学習で見つける方法
再考: お買い得物件を機械学習で見つける方法
担当は予測できるのか? 担当予測器作成記
1.
担当は予測 できるのか? 担当予測器作成記
2.
自己紹介 2 名前 くるーとP 副業
データサイエンティスト 担当 デレ :高森藍子 シャニ :桑山千雪 お気に入り の一枚 2018年11月@名古屋
3.
Agenda 3 デモ まとめ 昔作ったもの 今回作ったもの 分析内容
4.
Agenda 4 デモ まとめ 昔作ったもの 今回作ったもの 分析内容
5.
デモ ページhttp://imas-predict-web.s3-website-ap-northeast- 1.amazonaws.comに接続 2020/12/13 まで接続可能です 5
6.
Agenda 6 デモ まとめ 昔作ったもの 今回作ったもの 分析内容
7.
昔作ったもの アイドルマスターシリーズで 担当情報から別のシリーズでの担当を予測するシステム 7 詳しくは qiita の記事にまとめてあります(よかったらLGTMシテネ) https://qiita.com/kuru-to/items/8acbb33baedadb7ba7e1
8.
Agenda 8 デモ まとめ 昔作ったもの 今回作ったもの 分析内容
9.
今回作ったもの 9 ユーザー S3 アクセス ユーザーデータ ・予測結果 格納 画像 予測 リクエスト 予測結果・ 画像格納場所 Web page EC2 VPC RDS 予測器 画像格納場所 返却 バケット 画像
10.
Agenda 10 デモ まとめ 昔作ったもの 今回作ったもの 分析内容
11.
対象データ 集計方法:Google アンケート データ数:7,425 件 質問事項: 1.
あなたの性別を教えてください。 2. あなたの年代を教えてください。 以下、シリーズごとに 1. 本シリーズにおいて、自身が担当するアイドルはいらっしゃいますか? 2. あなたが初めて本シリーズのアイドルを担当してから、どのくらい経ちましたか? 3. 本シリーズのアイドルのうち、あなたの担当アイドルは誰ですか?(複数選択可能) 4. 上で選択したアイドルのうち、一人だけ担当を選ぶとしたら、誰ですか? 5. 上で選択した担当アイドルについてお聞きします。その担当アイドルを担当するにいたった一番のきっ かけはなんでしたか? 11 お答えいただいた皆様、 本当にありがとうございました
12.
今回使用したモデル 12 1 ユーザーベース協調フィルタリング 2
アイテムベース協調フィルタリング ※ 以後、協調フィルタリングはCF(Collaborative Filtering)と略します
13.
アイテムベースCF:概要 13 類似 ?
14.
アイテムベースCF:学習とテスト 14 Train Test Cosine 類似度 行列積 推定値 実績値 比較 類似度 行列 対象シリーズ 以外のデータ
15.
Test:実際のデータを用いる 15 Train Test Cosine 類似度 行列積 推定値 実績値 比較 類似度 行列 対象シリーズ 以外のデータ 70% 30%
16.
Test:precision 率 16 ユーザー
アイテム 55% 56% 37% 34% 49% 53% 80% 82%
17.
Agenda 17 デモ まとめ 昔作ったもの 今回作ったもの 分析内容
18.
まとめ • もっと精度上げたい!!! • 再学習できるようにしたい!!! •
フロントエンドわかりたい!!! • 無限のクラウドリソースがほしい 18
Editor's Notes
対象とするのは、twitterで拡散して集めた7,400件のアンケートデータです。 ご協力いただいた方々に熱く温冷申し上げます 大事なのは_3, _4 ですね どのキャラが好きか、ということです。 特に、先ほど申し上げた通り「担当」という言葉の定義は人それぞれです。 人によっては一人しか担当しませんって人もいれば、たくさん担当がいる人もいらっしゃいます。 なので、特に制約を定めず、複数選択可能としました。 きっかけについても、同じきっかけでキャラを好きになったのであれば、そこで類似性が生まれると思い追加することにしました。
今回はオーソドックスな協調フィルタリングを使用しました。 協調フィルタリングについて、軽くですが説明いたします。
こちらは新しいユーザーをテストする場合も計算時間が少なくて済むのが特徴です。
こちらは新しいユーザーをテストする場合も計算時間が少なくて済むのが特徴です。
全体での結果を見るとこんな感じです。 シャイニーは正答率が高いですね。その分シンデレラは低い。 人数比がもろに出ているかと思います。
Download now