Recommandé
Contenu connexe
Similaire à kic_python_programming
Similaire à kic_python_programming (20)
kic_python_programming
- 1. 第１回 集合知プログラミング 12016 園田 成良
- 3. １．集合知とは？ • 今までにない知見を生み出すために 「集団の振る舞い・嗜好・アイディア」 を結びつけること ▫ 世論調査 多くの人からの回答を基に，統計的な結論を引き出す 新たな結論を作り上げる ▫ 経済市場 最も利益を得られると信じて行動する振る舞い 多くの人々の「知識・経験・洞察力」の組み合わせ 3
- 4. ２．集合知の利用例 • Wikipedia（ウィキペディア） ▫ 利用者によって作り上げられているオンライン辞書 ▫ 誰でも作成・編集が可能 ▫ 多くの利用者の知識で成長していく ▫ アルゴリズムなし 4 Wikipedia ペリーが 好きな人たち ペリー の記事 を編集 ペリーの記事の内容が 更に詳しくなった
- 5. ３．機械学習とは？ • 人工知能の一分野でコンピュータに学習させる ▫ 機械学習の例 コンピュータの漢字変換時における入力ミス 5 機会学習 機械学習と入力したかったが 間違えてしまった 機械学習 次から 「きかい」を 変換した時に 「機械」と最 初に出る
- 6. ４．機械学習の弱点 • 機械が知らないパターンは誤って解釈されてし まうことが多い ▫ 人間 似たような状況を思い出して決断できる ▫ 機械 既に見たデータを基にしか決断できない 6
- 7. ５．実生活における例 • Googleの検索エンジン（PageRank）[1] ▫ 利用者が求めている内容を上位に結果表示させる 色々なサイトからリンクされていると上位に表示 ▫ どんな人がどんな広告をクリックしたのか ▫ アルゴリズムあり 7 [1] http://dorubako.nishitokyo-city.com/googlepagerank.html バットを購入 機械が判断 グローブの購入を薦める
- 8. ６．その他の使用例 • クレジット詐欺の発見 ▫ 詐欺取引を検知 ▫ 取引や現金の動きが不適切かどうかを判断 • 株式市場の分析 ▫ 参加者がパターンを発見するために，高度な技術 が使われるようになっている 8 この他にも多くの例があり 多くの可能性を秘めている
- 9. ７．１～６までのまとめ • 様々なデータを蓄積し，情報を引き出して利用 ▫ データマイニングの分野 ▫ 多くのユーザの意見で情報が構成 • Googleでも利用されている ▫ PageRankシステム 9
- 10. ８．協調フィルタリング • 多くのユーザの嗜好情報を蓄積 ▫ ユーザとユーザの嗜好が類似した情報を自動で推 論を行う方法論 • 協調フィルタリングの手法 ▫ 「ユーグリッド距離」 ▫ 「ピアソン相関」 ▫ 「Jacard係数」 ▫ 「マンハッタン距離」 10 他にも数多くの類似性検出方法がある
- 11. ９．pythonの実行方法 • 実行環境はUbuntu12.10 ▫ 拡張子は.py ▫ 始めからpythonの環境は構築されている ▫ # !/usr/bin/env python ▫ # cording:utf-8 の２つを記入 ▫ pythonコマンドでインタプリタを起動させる 11
- 13. １１．実行 • test.pyをpythonのインタプリタで実行 • ①の実行結果 ▫ AkiraSonodaさんは，Lady in the Waterという映画の評価 を2.5にした． • ②の実行結果 ▫ AkiraSonodaさんは，Lady in the Waterという映画の評価 を2.5と評価したが，それを4.0と修正した． 13 ① ②
- 14. １２．ユーグリッド距離（数値） • 嗜好空間上の距離の近さで類似度を計算 ▫ 園田と薄井の映画の評価点の類似度を算出 ▫ 園田と小柳の映画の評価点の類似度を算出 14
- 15. １３．ユーグリッド距離（グラフ） • 園田，薄井，小柳の映画の嗜好をグラフ化 ▫ は園田 ▫ は薄井 ▫ は小柳 15 Snakes Dupree 5 4 3 2 1 0 1 2 3 4 5 点と点が近いほどその 人と嗜好が似ている!!
- 19. おまけ • 集合知プログラミングの本の通りに実行不能 ▫ pythonのversionが違うから？ ▫ 園田のversionは2.7.3(2013年4月11日現在) ▫ 書籍の発行日(2012年5月1日) • 実行方法(11ページ) ▫ import recommendations ▫ reload(recommendations) ▫ recommendations.sim_distance(recommendation s.critics, ‘Lisa Rose’, ‘Gene Seymor’I 19 これを追加する