不動産市場での錯誤学習

1. 事例分析

  • 企業オフィス移転行為は予測可能
    • オフィスの移転は、同じ状況では発生しやすいこと
    • 営業リソースを、通常移転可能性の高いと思われた企業に集中したら、営業コスト／効率をあげられる
    • 通常注目してない企業を、移転が発生しそうな状況にハマると、通知ができる
    • ビジネスチャンスのロストを減らす
    • アプローチ
      • リアル企業移転ケースデータ
      • 機械学習
      • 人間の誤る先入観を識別
      • 人間予想してないケースも監視感知

2. モデルの構築

  • Built-in アルゴリズムの利用
    • ニュース解析、BlazingText(NLP, word2Vec)
      • 日本語も利用可能
      • MeCabで文字を区切りする
    • Linear Learner Algorithm
      • linear model
        • Locistic regression
          • Claasification porblems
        • Linear regression
          • Numeric values
    • K-Means Algorithm
    • Binary_classifier hyperparameter
      • yes
      • no

  • Deploy Model Deploy Model

  • Machine Learning process MLProcess
    1. Obtian Data
    2. Prepare Data
      • Outsouring it to Amazon Mechanical Turk
    3. Train Model LearningAlgorithm
      • Learing Algorithm
      • Loss Fucntion
      • SGD (確率的勾配降下法)
      • Optimization technique 
          model.compile(loss='mean_squared_error', optimizer='sgd')
      • Taring is also an iteration process. Training_iteration_process
    4. Evaluate Model
      • Epoch
        1. valication_score
        2. quality_metric
        3. Epoch: Loss improved. Updating best model Traing_Validation_Test
    5. Deploy Model
    6. Integrate it with APP
  • Inspect and visualize data
  • Prepare the data
  • Training the model
  • Deploy the model

Residuals

4.6 Regression batch perdictions

  • ML model for batch prediction
  • data for prediction
  • Batch prediction results
  • review