Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Azure ml発表資料

120 views

Published on

AzureMachineLearningを使ってみて、ソシャゲ解析につかえそうなところをピックアップしてみました

Published in: Technology
  • Be the first to comment

  • Be the first to like this

Azure ml発表資料

  1. 1. プランナーでも使えるかも! AzureMLを使った ソシャゲ数値解析 2016/07/13 @kotamat
  2. 2. 自己紹介 • GARAGE STER技術担当ディレクター • Webサービスのサーバーサイドをやってきた • ソシャゲ事業をやっていた時は、開発から運用ま でやっていた。
  3. 3. ソシャゲ運用時に 言われること
  4. 4. 次回のイベントのレベル設計 したいから アクティブユーザのカード情報 とってくれる? うっす
  5. 5. アクティブユーザ テーブル 言われること ユーザカード管理 テーブル user_idで リレーション card_idで リレーション カードマスタ テーブル csvで管理
  6. 6. アクティブユーザ テーブル 言われること ユーザカード管理 テーブル user_idで リレーション card_idで リレーション カードマスタ テーブル JOINしてcsv 書き出し vlookupで リレーション
  7. 7. あざす はいよ
  8. 8. んーやっぱりカードだけじゃなくて デッキの状態も知りたい お、おう。
  9. 9. アクティブユーザ テーブル 言われること ユーザカード管理 テーブル card_idで リレーション カードマスタ テーブル ユーザデッキ 管理テーブル JOINしてcsv 書き出し vlookupで リレーション
  10. 10. あざす はいよ
  11. 11. アクティブユーザの代わりに いべんt やだ
  12. 12. ‥とはならないけど
  13. 13. 取りたいデータは 自分でとりたいよね
  14. 14. そこで
  15. 15. できること • GUIでデータのやり取りを構築できる • API化してサービス化ができる • 大量のデータをさばける • もちろん機械学習できる • R、Pythonができる • テンプレートが充実している
  16. 16. 今日やること
  17. 17. アクティブユーザのデッキの平 均レベルとそのユーザのレベル の相関関係
  18. 18. やること • 各データ(マスタデータ、DBデータ)をcsv化 • 結合・カラム毎の計算等をし、ユーザのレベルとデッキレ ベルを持ったテーブルを生成 • ユーザのレベルとデッキレベルの相関性を計算 • 今回は例として、線形回帰分析を行う • 学習用データとテストデータを分け、解析し、整合性を確 かめる
  19. 19. データ構成
  20. 20. user_id user_rank ucid user_id card_id exp udid user_id 1 2 3 4 5 6 card_id level_type アクティブ ユーザテーブル ユーザカード テーブル ユーザデッキ テーブル カードマスタ
  21. 21. アクティブユーザのデッキ 作成
  22. 22. user_id user_rank id user_id 1 2 3 4 5 6 アクティブ ユーザテーブル ユーザデッキ テーブル udid user_id 1 2 3 4 5 6 アクティブ ユーザのデッキ
  23. 23. ユーザカードのレベル計算
  24. 24. ユーザカード+α id user_id card_id exp card_id level_type ユーザカード テーブル カードマスタ ucid user_id card_id exp level_t ype expとlevel_typeで levelを計算 card_idを消す ユーザカード +level ucid user_id level
  25. 25. デッキ毎のカードレベル
  26. 26. アクティブ ユーザのデッキ ユーザカード +level udid user_id card_level_1 udid user_id 1 2 3 4 5 6 ucid user_id level udid user_id card_level_2udid user_id card_level_3udid user_id card_level_4udid user_id card_level_5udid user_id card_level_6 udid user_id cl1 cl2 cl3 cl4 cl5 cl6 デッキ毎の カードレベル デッキ毎の カードレベル
  27. 27. ユーザのレベルとデッキのカー ド平均レベル
  28. 28. udid user_id cl1 cl2 cl3 cl4 cl5 cl6 デッキ毎の カードレベル udid user_id cl_ave デッキ毎の カードレベル平均 user_id user_rank アクティブ ユーザテーブル cl1~6の 平均 user_rank cl_ave ユーザのレベルと デッキレベル平均
  29. 29. 相関性の検証
  30. 30. user_rank cl_ave ユーザのレベルと デッキレベル平均 学習用データ でuser_rankを 線形回帰分析 テスト用データを使っ て分析結果を検証 user_rank cl_ave score
  31. 31. デモ
  32. 32. まとめ • データの結合、分析がプログラミングを知っていなくてもできる • ただし、細かい計算をする場合は、R,Pythonで計算したほうが良か ったりする • 途中で計算を追加したり、削除したりするのが楽 • なので、分析方法や、分析パラメータをいじって微調整することが可 能 • 一回作ってしまえば、入力データを変えるだけで、最新のデータで分 析可能

×