誰よお前？

•ツイッターID: @MOTIVIC_

•株式会社ALBERT 主任研究員

•代数幾何を使って因果推論の研究をしてるよ

•統計ゆるふわ勢

•機械学習はICMLにリジェクトくらったレベルの素人

かじゅある

ゆるふわツイートしてます

2012年位からDEEP LEARNINGが流行ってますね

前回のMLCTのLTでも出てましたし

特徴量抽出も自動でやってくれるので

画像、音声、言語などの分野で大活躍

しているようで

でも画像、音声、言語

のようなデータは扱っ

たことがないから凄さ

がよく分からないお…

だからもっと簡単な

(DEEP LEARNINGが

そもそも必要無さそう

な)データセットで性能

を調べてみたお！

まずは分類問題のHELLO WORLD

IRISデータ

KPIは？

•2-FOLD CROSS VALIDATIONでエラー率を計算

•ランダムにデータを半分に分割して上記の計算を

5,000回繰り返した

•RとH2Oでシミュレーションしたよ

比較した手法

•DEEP LEARNING（DL）

•CART

•RANDOM FOREST（RF）

•EXTREMELY RANDOMIZED TREES (ET)

•SVM

•NEURAL NETWORK（NN）

DEEP LEARNINGのパラメータはどう決めたんだよ？

活性化関数と

DROPOUTの部分

だけｲｼﾞｲｼﾞして他

はデフォルトだお

結果

BREAST CANCER データ

BREAST CANCER データ

•サンプルサイズは683

•データはこんな感じ

Clump

Thickness

Uniformity

of Cell

Size

Uniformity

of Cell

Shape

Marginal

Adhesion

Single

Epithelial

Cell Size

Bare

Nuclei

Bland

Chromatin

Normal

NucleoliMitoses Class

1-10 1-10 1-10 1-10 1-10 1-10 1-10 1-10 1-10 良性/

悪性

結果

まとめ

•DEEP LEARNINGは簡単な分類問題でも性能が良かった

•まじめにチューニングすればもっと性能上がると思うよ