Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

担当は予測できるのか? 担当予測器作成記

66 views

Published on

2020/12/05 の im@s hackason で使用したLT資料です。

Published in: Data & Analytics
  • Be the first to comment

  • Be the first to like this

担当は予測できるのか? 担当予測器作成記

  1. 1. 担当は予測 できるのか? 担当予測器作成記
  2. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 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. 13. アイテムベースCF:概要 13 類似 ?
  14. 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. 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. 16. Test:precision 率 16 ユーザー アイテム 55% 56% 37% 34% 49% 53% 80% 82%
  17. 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. 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

×