scikit-learn、Keras、TensorFlowによる実践機械学習 第2版

付録B機械学習プロジェクトチェックリスト

このチェックリストは、みなさんの機械学習プロジェクトの手引として使えるもので、大きなステップは8つある。

1. 問題の枠組みと全体像をつかむ。
2. データを手に入れる。
3. データを研究して理解を深める。
4. 機械学習アルゴリズムがデータからパターンを見つけやすくなるようにデータを準備する。
5. 異なるさまざまなモデルを試し、最良の数個に絞り込む。
6. モデルを微調整し、それらを組み合わせて優れたソリューションにまとめる。
7. ソリューションをプレゼンテーションする。
8. システムを本番稼働、モニタリング、メンテナンスする。

当然ながら、このチェックリストはみなさんのニーズに合わせて自由に修正してよい。

B.1　問題の枠組みと全体像をつかむ

1. ビジネスの用語で目標を定義する。
2. ソリューションはどのようにして使われるか。
3. 現在のソリューション／代替ソリューション（もしあれば）は何か。
4. この問題はどのような枠組みで処理すべきか（教師あり／教師なし、オンライン／オフラインなど）。
5. 性能をどのようにして測定すべきか。
6. その性能測定手段はビジネス目標に一致しているか。
7. ビジネス目標に到達するために必要な最小限の性能はどのようなものか。
8. 類似問題は何か。経験やツールを再利用できるか。
9. 専門知識を持つ人はいるか。
10. 手作業で問題をどのように解決するか。
11. あなた（またはほかの人々）が今までに立ててきた前提条件をリストにまとめる。
12. 可能なら、前提条件をチェックする。

B.2　データを手に入れる

注意：新鮮なデータを簡単に入手できるようにするために、できる限り自動化しよう。

1. 必要なデータと必要度をリストにまとめる。
2. そのデータを入手できるドキュメントを見つける。
3. どれだけのスペースが必要になるかをチェックする。 ...