実践 機械学習システム

7.4

 まとめ

157

7.4

　まとめ

本章では、最小二乗法の復習からスタートしました。問題によっては、その手法だけで十分な場合

は時々あります。しかし、過学習が問題になる場合があり、それに対応するため、新しいアプローチを

紹介しました。それはlasso、ridge、 elastic netsの3つの手法です。

また、本章では再三にわたり、訓練誤差を基準にして汎化能力を推定することの危険性について強

調しました。訓練誤差が0であることは楽観的すぎる予測であるとともに、ほとんどの場合、使い物に

ならないモデルであるということを私たちは知っています。そして、さらに二段階からなる交差検定を

使う必要がある場合を学びました。それは重要なことでありながらも、機械学習ユーザの中で未だ完

全には実践されていないことでもあります。本章では、scikit-learnを使い、簡単なコードで交差検定

を正しく実行することができました。

本

章の最後では、推薦システムに関する問題を考えました。そのような問題に対して、今のところ

立ち向かえるツールは罰則付き回帰しかありません。次章では、同じ問題に対して、より性能の高い新

しいツールで挑みたいと思います。その新しいツールを用いることで、本章で用いたデータセットに対

して、さらに改善することができるでしょう。

また、今回の推薦システムの設定には一つ欠点があります。それはユーザが商品を数字の形で評価

しなければならないことです。実際にほんの一部のユーザだけしか、評価付けを行いません。また、