1. 財布にやさしい
Rを使ったデータマイニング
～「安い、早い、上手い」の工夫～
簗島 亮次
（ヤナシマ リョウジ）
Twitter ID：yanashi
はてなID：yanashi

2. 自己紹介
• 名前：簗島 亮次
• 所属：4月より大きなSNSの会社
• お仕事：
– ディレクター
– 業務上で発生するデータ解析も少々。

3. 来歴（Rを使った経歴）
• RSCTC Discovery Challenge2010 （Random
Forest、gmodels, Revolution R）
– 遺伝子発現データの解析コンテスト
– 順位：3位
• リコメンデーションコンテスト2009 (kernlab, igraph,
lda)
– チームラボという会社が主催しているサグールテレビ
のデータを用いたマイニングのコンテスト
– 順位：1位
• 国際論文 (Bioconductor内のパッケージ)
– Frontiers in Neuroinformatics誌

4. 本日お話しする話。
• データマイニングを行う環境を
安い 安価で構築する。
早い • すばやく結果を提示できる。
上手い • 結果をよさそうに見せる工夫。

5. 昔あった経験
(結構あるあるだと思っているのですが)
上司の要求
1. 会社のデータを分析して無駄を減らしたいんだよ
ねぇ。
• 高いソフト・機材を使いたくない
2. 実際効果があるかわからないから効果測定をし
てから導入を検討したい。
• 自腹もしくはありものでどうにかしろ
3. うちはベンチャーだからスピード感が重要だよ。
• とにかくすばやく結果を出せ
4. 社員全員役割を持っているから人を裂くことがで
きない。
• 解析から結果の提案まで自分でやれ
5. 期待してるから。
• １～４までを遂行しろ

6. そして、与えられたPC
• 前の所有者：人事兼経理の人のPC
• メモリ： 512MB
• CPU： Core 2 Duo 1.80G
• OS: Windows XP
• 管理者権限なし
今後もこういうケースに出会うかもしれない。。。

7. こんな場面に出くわしてしまった
データマイナーへ
どんな場面に直面しても
ある程度の結果を残せる ある程度の速度で解析できる
安い 早い 上手い
Revolutin RとRpyで
Rを使って安価に その他の工夫
高速＋自動化

8. 目標
データマイニングのコンテストに
このノートPC一台で戦いを挑む！
スペック詳細
ハード：ThinkPad X60
OS：Ubuntu 9.10
CPU：Inter Core 2 Duo 2.00Ghz
メモリ：3G

9. RSCTC Discovery Challenge2010の例
• RSCTC Discovery Challenge2010とは？
– 去年の12月から今年の2月まで行われていた
データマイニングのコンテスト
– マイクロアレイという遺伝子のデータを判別し、精
度を競い合うというコンテスト
– 1位には賞金がでます。2位までは国際会議に呼
ばれます。3位までは名前が公開されます。

10. 工夫①：安さ
今回用意した環境 データ解析環境の一例
 OS  OS
 Ubuntu9.10  Windows 7 Professional
 0円  39,690円
 解析ソフト  解析ソフト
 Revolution R  SPSS
 0円  189,000円
－228,690円！安さが違う！

11. 工夫②：早い
• Revolution R：
– マルチコア対応Rパッケージ：
• Intel MKLでコンパイルされているなど最適化
– 最近各所でベンチマークテストが行われてる。
– 自分のブログでも…
参考資料：http://www.revolution-computing.com/products/benchmarks.php

12. 工夫②：早い
• Rpy2
– PythonからRを操作するためのモジュール
– 面倒なRの処理を自動化して、夜に働かせる。
とても働いてる感じを演出！

13. 工夫③：上手い
可視化部分 その他

14. 実際の解析フロー
マイクロアレイデータ
RandomForest
ランダムサンプリング
gmodels
線形計画法
kernlab
データ出力
可視化
結果の出力

15. というわけで。。。

16. コンテストに出た結果です
0円

17. ご清聴ありがとうございました！