
A.3
本書でカバーできなかったこと
257
指摘したおもしろい記事などがあります。
A.2.3
データソース
もしアルゴリズムを実際に動かしたいと思ったら、適切なデータセットが必要です。それには、カリ
フォルニア大学アーバイン校(UCI)の機械学習リポジトリが役に立つでしょう。リポジトリは
http://archive.ics.uci.edu/ml
にあります。
A.2.4
コンペに参加する
機械学習をさらに学ぶ最善の方法はコンペに参加することでしょう。Kaggle(
http://www.
kaggle.com/
)には機械学習のコンペに関する情報が集められています(本書の最初でも取り上げま
した)。Webサイトにはコンペの情報が掲載されてあり、それぞれのコンペで異なる問題が設定されて
います。また、コンペの多くには賞金が設定されています。
「教師あり学習」の問題の場合、次のようなフォーマットに従います。
●
参加者全員にラベル付きの訓練データとテストデータが与えられます。
●
参加者が行うタスクはテストデータに対して予測結果を送信することです。
●
コンペが終了した段階で、最も精度の高い結果を出した人(もしくはチーム)が勝者になりま
す。勝者には賞金もしくは栄誉が贈られます。
もちろん、勝つことは良いことですが、実際に参加するだけでも多くの有益な経験をすることでしょ
う。コンペが終わった後でも、自分の手法を調整したり、フォーラムで参加者と議論をして多くのこと
を学ぶと思います。ところで、コンペの勝者が用いた手法