
回帰:レコメンドの改良
159
8
章
回帰:レコメンドの改良
前章の最後では、単純な手法を用いてレコメンドエンジンを作成しました。そこでは映画のスコアを
予測するために回帰を用いました。本章の前半では、同じ問題に対してより進んだ(より良い)手法 を
用います。はじめに役立つアイデアをいくつか紹介し、後でそれらを組み合わせて用います。組み合
わせを行う過程で、回帰を用いて最適な組み合わせ方法について学習を行います。
本章の後半では、バスケット分析(basket analysis)と呼ばれる別の学習手法について見ていきま
す。そして、その手法を用いて推薦システムの作り方を学びます。数字による評価付けが行われる場
合と違って、バスケット分析では、買い物かご(バスケット)についての情報、つまり、どの商品がこ
れまで一緒に買われてきたか、という情報だけを使用します。その情報から学習を行い、推薦システ
ムを作成します。そのような推薦システムを使えば、オンラインショップの「この商品を買った人は
こ
んな商品も買っています」のようなサービスを提供することができます。本章ではそれと同じような機
能を持った推薦システムを開発します。
8.1
推薦システムを改良する
前章の最後で行ったことを思い出すことから始めましょう。前章では、基本的な推薦システムを作
成しましたが、あまり性能は良くありませんでした(ランダムに予測するよりは幾分ましな程度でし
た)。ここでは、それを改良することにします。初めに、問題になっている点を改良できるアイデア ...