差分
このページの2つのバージョン間の差分を表示します。
両方とも前のリビジョン前のリビジョン次のリビジョン | 前のリビジョン次のリビジョン両方とも次のリビジョン | ||
mselab:2016:stat:week2 [2016/11/08 12:56] – watalu | mselab:2016:stat:week2 [2016/11/29 09:31] – watalu | ||
---|---|---|---|
行 7: | 行 7: | ||
- 線形判別分析(lda)、二次判別分析(qda)、決定木(rpart)だけでなく、より柔軟な学習機械も用いる候補に含める | - 線形判別分析(lda)、二次判別分析(qda)、決定木(rpart)だけでなく、より柔軟な学習機械も用いる候補に含める | ||
- キャンペーンの提案書の作成 | - キャンペーンの提案書の作成 | ||
+ | - 一番上手に予測できた「制御パラメータを調整済み」の学習機械に基づいて、予測精度を自慢しつつ、効率が良いと思われるキャンペーンを提案する提案書を起草せよ。 | ||
=== 学習と予測 === | === 学習と予測 === | ||
行 242: | 行 243: | ||
などと、ひとつひとつ増やしていってみるか、例えば | などと、ひとつひとつ増やしていってみるか、例えば | ||
< | < | ||
- | tic.qda <- qda(V86~V1, | + | tic.qda <- qda(V86~., |
</ | </ | ||
のように最初の30変数を使って86番目を予測する、とするなどの工夫が必要になる。 | のように最初の30変数を使って86番目を予測する、とするなどの工夫が必要になる。 | ||
行 260: | 行 261: | ||
</ | </ | ||
- | 謝判別率(誤った予測をした割合)などを算出してみよ。 | + | 誤判別率(誤った予測をした割合)などを算出しつつ、各学習機械の制御パラメータを調整してみよ。 |
- | == 柔軟な学習機械を使ってみる == | + | === 柔軟な学習機械を使ってみる |
ひとつ目の課題は、より柔軟な学習機械を適用してもらい、先週までの方法との違いを検討してもらう。こちらについては今回も、同志社大学の金(じん)先生が公開されてらっしゃる | ひとつ目の課題は、より柔軟な学習機械を適用してもらい、先週までの方法との違いを検討してもらう。こちらについては今回も、同志社大学の金(じん)先生が公開されてらっしゃる | ||
行 323: | 行 324: | ||
なお、この課題では「過学習」について言及していないが、過学習は大事な問題であるので、各自、少し調べて気にすることを進める。 | なお、この課題では「過学習」について言及していないが、過学習は大事な問題であるので、各自、少し調べて気にすることを進める。 | ||
- | == 提案書 == | + | === 提案書 |
2つ目の課題は、前回までのレポートの考察として、どのような顧客層に重点的にキャンペーンを展開するのがよいか、提案書を起草してもらう。「提案書」という書類の形式については、成書を参照するのがよいが、参考までに幾つかのウェブサイトへのリンクを掲げておく。 | 2つ目の課題は、前回までのレポートの考察として、どのような顧客層に重点的にキャンペーンを展開するのがよいか、提案書を起草してもらう。「提案書」という書類の形式については、成書を参照するのがよいが、参考までに幾つかのウェブサイトへのリンクを掲げておく。 |