slide

1. 機械学習スキル向上のため
Kaggleにチャレンジしてみた

2. Kaggleとは
・企業等が課題解決に用いる機械学習等のモデルを公募しているホームペー
ジ（モデルコンペサイト）
・Kaggleアカウントがあれば、誰でも無料で参加可能
・参加者同士でモデルの精度を競い合い、順位が発表される
・優勝者には賞金が支払われるコンペもある
・サイト内には参加者同士で意見交換できる場も設けられている

3. 挑戦したコンペ
・初心者向けの入門コンペ。
・1912年に起きた豪華客船タイタニック号沈没がテーマ。
・乗客の属性、生死の結果等の訓練データが与えられる。
・どのような人物が生き残る可能性が高いのかを分析し、
生死の結果を予測するモデルを作成する。
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin
1 0 3 Braund, Mr. Owen Harris male 22 1 0 A/5 21171 7.25
2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Thayer)female 38 1 0 PC 17599 71.2833 C85
3 1 3 Heikkinen, Miss. Laina female 26 0 0 STON/O2. 31012827.925
4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel)female 35 1 0 113803 53.1 C123
5 0 3 Allen, Mr. William Henry male 35 0 0 373450 8.05
訓練データ（抜粋）

4. さぁ挑戦だ！①
訓練データの前処理（機械が読めるデータ、高精度モデルを作れるデータに変
換）が苦労した。。
訓練データ
SVM
（機械学習アルゴ
リズム）
生死判定
モデル
生死判定
モデル
テストデータ 生死判定結果
提出！
Kaggleより提供
Kaggleより提供
Sklearn・Numpyを使用

5. さぁ挑戦だ！②
＜データ前処理＞Pandas・seaborn・matplotlibを使用
・カラム毎に欠損値の有無を確認
（欠損値をカラムの中央値で埋める、欠損値が大多数のカラムは削除）
・機械が読めるデータ形式に変換（文字列→数値）
・データ間の相関性の確認
⇒相関が強いデータが複数個ある場合、説明変数を１種類に絞りこむ
当該データを全て説明変数にすると、モデルの精度低下を引き起こすため
等々、
訓練データの前処理⇒モデル作成⇒モデル精度確認のサイクルを繰り返した。
PassengerId Survived Pclass Name Sex Age SibSp Parch Ticket Fare Cabin
1 0 3 Braund, Mr. Owen Harris male 22 1 0 A/5 21171 7.25
2 1 1 Cumings, Mrs. John Bradley (Florence Briggs Thayer)female 38 1 0 PC 17599 71.2833 C85
3 1 3 Heikkinen, Miss. Laina female 26 0 0 STON/O2. 31012827.925
4 1 1 Futrelle, Mrs. Jacques Heath (Lily May Peel)female 35 1 0 113803 53.1 C123
5 0 3 Allen, Mr. William Henry male 35 0 0 373450 8.05
訓練データ（抜粋）

6. 成績は…13,000人中10,931位でした

7. 上位成績者のコメント
丁寧な前処理・試行錯誤（何度も傾向分析・モデル作成）
を粘り強く行う
・無暗に列・行を捨てない（有効な特徴を消さない）
・空白を埋める際の方針決定（最頻値、条件分岐）
・カラムの統合（ParchとSibを足し算など）
等々

8. 再度挑戦！…593位に

9. まとめ
・機械学習スキル向上には、色々な人の意見を取り入れ、実戦することが大
切だと思った。
・今後も経験を積み、知識を深めていきたいと思うこの頃。（もっと自分の
時間が欲しい。。）

10. ご清聴頂きありがとうございました！