第2章 機械学習プロジェクト エンド・ツー・エンド機械学習プロジェクト
この作品はAIを使って翻訳されている。ご意見、ご感想をお待ちしている:translation-feedback@oreilly.com
この章では、不動産会社で最近雇われたデータサイエンティストになりきって、例のプロジェクトを最後までやり通す。この例は架空のものである。ゴールは機械学習プロジェクトの主なステップを説明することであり、不動産ビジネスについて何かを学ぶことではない。これから説明する主なステップは以下の通りだ:
-
全体像を見よう。
-
データを入手する。
-
データを探索し、可視化して洞察を得る。
-
機械学習アルゴリズムのためにデータを準備する。
-
モデルを選択し、トレーニングする。
-
モデルをファインチューニングする。
-
解決策を提示する。
-
システムを立ち上げ、監視し、保守する。
実際のデータを扱う
あなたがマシン学習について学んでいるとき、人工的なデータセットではなく、実世界のデータで実験するのがベストである。幸いなことに、あらゆるドメインにわたる何千ものオープンデータセットから選ぶことができる。ここでは、データを入手するのに使える人気のオープンデータリポジトリをいくつか紹介しよう:
この章では、StatLibリポジトリのCalifornia Housing Pricesデータセット を使う(図2-1参照)。1(を使う(図2-1参照)。このデータセットは1990年のカリフォルニア州国勢調査のデータに基づいている。これは正確には最近のデータではないが(ベイエリアのいい家は当時まだ手ごろだった)、学習に適した品質を持っているので、最近のデータであることにする。教える目的のために、カテゴリー属性を追加し、いくつかの特徴を除去した。
図2-1. カリフォルニア州の住宅価格
全体像を見る
マシンラーニング住宅公社へようこそ!最初のタスクは、カリフォルニア州の国勢調査データを使って、同州の住宅価格のモデルを構築することだ。このデータには、カリフォルニア州の各ブロックグループの人口、中央値収入、中央値住宅価格などのメトリックが含まれている。ブロックグループとは,米国国勢調査局がサンプ リングデータを公表している最小の地理的単位であ る(ブロックグループの人口は,通常 600 人から 3,000 人である)。略して「地区」と呼びたい。
あなたのモデルは、このデータから学習し、他のすべてのメトリックが与えられた場合、どの地区の住宅価格の中央値も予測できるはずである。
ヒント
あなたはよく整理されたデータ・サイエンティストなので、最初にすべきことは、あなたのマシン学習プロジェクトのチェックリスト を引っ張り出すことである。https://homl.info/checklist にあるものから始めてもよい ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access