Upgrade to Pro — share decks privately, control downloads, hide ads and more …

機械学習を用いた自動的な意思決定と反実仮想

 機械学習を用いた自動的な意思決定と反実仮想

CCSE 2019にて行われた発表です。
企業における機械学習の応用は、ほとんどが意思決定に関連しています。そのような状況を考えた時に、分析者が最適化するべきものは一体何なのか?という事に関しての発表です。

Shota Yasui

July 13, 2019
Tweet

More Decks by Shota Yasui

Other Decks in Research

Transcript

  1. 自己紹介
 名前:安井翔太(31) 職業:Economic Research Scientist 経歴: 2011年 立教大学 経済学部卒業 2013年

    Norwegian School of Economics MSc in Economics 2013年 Cyberagent 入社(総合職, 微妙な分析の量産) 2015年 アドテク部門へ異動(専門職, MLの応用) 2017年 AILabへ異動(研究職, ML + CI回りの応用) 2
  2. 殆どの応用は意思決定
 • ユーザーを(に)・・・
 ◦ どの車に乗せるか? 
 ◦ どの商品とマッチさせるか? 
 ◦

    どの広告を見せるか? 
 ◦ どのニュースと引き合わせるか? 
 
 • 企業のML/AI = 意思決定を作ること 
 4
  3. 典型的なサイクル
 data base
 train
 model
 X
 A
 Y
 input
 label


    deploy
 log data
 今日の意思決定は、明日の学習データ。
 7
  4. Inverse Propensity Score(IPS)
 誤差(損失)のIPS推定量 
 • 暗黙的にO=1となる確率(P, Propensity Score)で重みがついたデータ 


    ◦ 損失の期待値もPの重みがついてしまう 
 ◦ 重みがついた損失は真の損失と一致しない 
 • あらかじめPで割っておけば良いのでは? 
 Propensity Score
 15
  5. Pをどうやって入手するか?
 • Pは各サンプル i で O = 1 となるような確率
 •

    実は真の確率を知っている
 model
 意思決定の選択肢
 feature
 最大値なので
 選択!
 予測値を使ってどう意思決定するか?
 17