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

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