データサイエンス設計マニュアル

354 11 章 機械学習

図 11 -17 名

前空間のアジア系のクラスタには、文化的に異なるグループの 2 つのクラスタが含まれてい

る。左側の拡大図は中国/南アジア系の姓、右側の拡大図はインド系の姓のクラスタを示してい

る。

「Thor」（トール）と「Rabinowitz」（ラビノウィッツ）が結び付いている例はほとんどないので、これらの

トークンは埋め込み空間の中で、離れた場所に配置される。しかし、ある人口グループでよく見られる名の

トークンは、同じ人口グループの姓のトークンの近くに配置される。それは個々のアドレス帳でも同じよう

な結び付きが見られるからである。そのため、特定の名のトークン x に最も近い姓のトークン y は文化的

に近いはずであり、xy はもっともらしい名前の良い候補になる。

今回の教訓は、順序が意味を持つシンボルの長いシーケンスに潜む構造をたやすく特定する、単語埋め込

みの威力である。word2vec のようなプログラムは、遊んでみるととても面白いし、驚くほど簡単に使える。

手元のデータで試せば、そのデータに思いがけない性質が隠れていることが明らかになるだろう。

11.8 さらなる探求のために

機械学習の優れた入門書としては、Bishop [Bis07] と Friedman et al. [FHT01] が挙げられる。ディープ

ラーニングは機械学習で今最も面白い分野で、Goodfellow, Bengio, and Courville [GBC16] が最も包括的に

扱っている。 ...