【機械学習導入1】ガッコ第1回講義~おやじたちは統計と機械学習の違いをはじめて知る

きららはちょっと緊張している。

なぜなら、今日はガッコの初講義なのだ。

前回から1ヶ月、GW中に数学の復習を終わらせたおやじたちと再び対面するのだ。

もちろん、トシはしっかりきららの隣に座っている。

トシの心はやはり浮かないのだ。

トシ「きらら、今日は『やさしく』してやってほしい・・・

いや、今日も、か・・・」

日曜日のおやじたち~プログラミング教室での密談

ヒメカ・パパ「いや~、ガッコ長、とうとうXデーですよ・・・大丈夫ですか?

数学、わかった気ではなく、理解しましたか?って「先生」に言われてましたよね?」

ハルキ・パパ(オレ)「う・・・(なんでわかったんだ?)

なんだんだろう、この劣等感は・・・」

なんだか、子供たちの気持ちがちょっとわかったような気がする。

何しろ、外資系コンサルタントとして活躍しているいわば「エリート様」なのだ。

そうはいっても機械学習については別物らしい。やはり勉強が必要ということで参加している。

だから、ヒメカ・パパはよゆーで中学数学くらいはクリアしている。

で、先生は・・・あちらで、子供たちと一緒にプログラミングで『PPAP』を鳴らして遊んでいる。

さすが、こども扱いはうまい・・・

英語の教員だけのことはある・・・なんて感心している場合ではない。

一番危ういのは、ガッコ長のオレなんだから!!

 

きらら、統計と機械学習の違いを語る

よりによって、例のごとく、ファミレス・・・

ママと子供たちはバイキングとドリンクバーで満喫している隣で、

3人のおやじたちと2名の若者が向かい合って座っている。

・・・誰の目から見てもちょっと不気味・・・

おやじたちは神妙な面持ちできららに向き合っていた。

このリケジョはハンパない・・・

きららはおやじたちに話し始めた

きらら「統計と機械学習は何が違うかわかりますか?」

おやじたちの目が

・・  ・・  ・・

ってな感じになった。

きららは容赦なく叩き込む・

きらら「統計は今の現状がなぜ起こっているのか、を理解するもの、

機械学習は将来の予測をするためにデータの変化の仕方を学習するもの。

いってみれば、全体を考えるか部分を考えるか、ってことかな・・・」

おやじたちは中学生数学でしっちゃかめっちゃか状態のため依然として、

・・  ・・  ・・

のままなのだ。

きらら「たとえば、統計が使われているものはなに?」

ようやくガッコ長が

ガッコ長「人口統計や平均寿命かな・・・」

きらら「あとは何がある?」

先生「国勢調査などアンケート調査かな・・・」

きららは満足げにニンマリと笑うと、

「機械学習が使われているものは何があるかわかりますか?」

先生「Google、Amazon・・・」

きらら「GoogleやAmazonは何の目的に機械学習を使っていますか?」

ガッコ長「最適な検索結果をgoogleは出して、

Amazonはレコメンド機能で同じ書籍を買った人の買った書籍を提案してるかな・・・」

きらら「それは何のためですか?」

ヒメカ・パパはようやく口を開いた。

「お客様が望むものが何かがわからないけれど、なかでも確率的に望むものが得られやすい情報を提供することで差別化を図っています」

さすがはコンサル・・・美しすぎる回答にきららはちょっとひるんだが、ここでひるめばリケジョが廃る(?)

負けずにしっかりとつづけた。

お客様の望む結果は何か

婚活サイトで相性の良さがレコメンドされていますが、なぜなぜわかるのでしょうか?
実はこの特性を知る方法が統計であり、結婚に至るかどうかまでを予測するのが機械学習です。
従来の統計によるカテゴリでは「制約」が低かった理由は影響要素があるため、その影響がよくわからないからです。

GoogleやAmazonは顧客自ら選んでもらえるように、いくつか候補を挙げています。
なので、本質的に最適な結果、ということでもないが、選択行為を繰り返してもらうことで
その精度を徐々に上げるという微妙な調整をしている。

しかし、機械学習の場合、変化をパラメータ間の線の関係性で考えるので、
どういう場合に危ないのか、その状況を把握することができる。
いってみれば、敏腕婚活コンシェルジュのパターンマッチング方法を学習させるのだ。

そして、彼らの行動パターンからペアとしてどうか、ということ、
危ない時にフォローをどうすればいいのか、など危うさを事前に把握することで
対策を打つということができるのだ。
そのため、今後成約率の精度の向上が期待される。

しかし、それだけではない・・・
ライフスタイルを考慮した提案が必要な時代になっている
やはり、何人も人を見てきたコンサルタントは強い・・・
その知見を機械学習にかけることができれば・・・
エキスパートシステムというシステムが過去にあった。
そうして、時代はだんだんと進んできた・・・

要因分析と予測を同じだと思ってはいけない。
問題の要因を解消すれば、では思った結果が出るのかというとそうではない。
とすれば、こうありたい!と願う未来を作るには予測を重視し、
問題をも解消できるような創造的な解決したほうがよいといえる。

コメントを残す

メールアドレスが公開されることはありません。 * が付いている欄は必須項目です