勉強会資料

1. データサイエンス勉強会
～PredictionIOで作るレコメンドシステム～

2. • レコメンドとは
• レコメンドシステムとは
• PredictionIOとは
• PredictionIOでレコメンドシステムを作る
アジェンダ

3. • レコメンドとは
• レコメンドシステムとは
• PredictionIOとは
• PredictionIOでレコメンドシステムを作る
アジェンダ

4. レコメンドとは？
勧めること・推薦すること

5. レコメンド

6. 何故、レコメンドをするのか？
思いもよらない気付きを与え、
潜在的なニーズを引き出すため

7. 何故、レコメンドをするのか？
思いもよらない気付きを与え、
潜在的なニーズを引き出すため
ネットマーケティングの変化により
レコメンドシステムが注目される

8. • レコメンドとは
• レコメンドシステムとは
• PredictionIOとは
• PredictionIOでレコメンドシステムを作る
アジェンダ

9. レコメンドシステムとは
引用：https://www.amazon.co.jp/プロフェッショナルのための-実践Heroku入門-プラットフォーム・クラウドを活用したアプリ
ケーション開発と運用-書籍-相澤歩/dp/4048915134/
例：Amazon

10. レコメンドシステムとは
引用：https://www.amazon.co.jp/プロフェッショナルのための-実践Heroku入門-プラットフォーム・クラウドを活用したアプリ
ケーション開発と運用-書籍-相澤歩/dp/4048915134/
例：Amazon
コレ、
レコメンド
おすすめ
の商品

11. どのようにレコメンド
しているのか？

12. レコメンドシステムとは
引用：https://www.amazon.co.jp/プロフェッショナルのための-実践Heroku入門-プラットフォーム・クラウドを活用したアプリ
ケーション開発と運用-書籍-相澤歩/dp/4048915134/
例：Amazon

13. この商品を買った人は
こんな商品も買っています

14. この商品を買った人は
こんな商品も買っています
ユーザの購買履歴から予測

15. 購買履歴から予測するには？
協調フィルタリングを使う

16. 協調フィルタリングとは
類似性を比較して、趣向を推測する技術
・ユーザベース協調フィルタリング
・アイテムベース協調フィルタリング

17. 類似性をどう評価するか？
ユーザA
ユーザB
購買履歴
購買履歴
チョコ
アイス
ケーキ
プリン
チョコ

18. 類似性をどう評価するか？
ユーザA
ユーザB
購買履歴
購買履歴
チョコ
アイス
ケーキ
プリン
チョコ
甘い物
好き？
甘い物
好き？

19. 類似性をどう評価するか？
ユーザA
ユーザB
購買履歴
購買履歴
チョコ
アイス
ケーキ
プリン
チョコ
甘い物
好き？
甘い物
好き？
同じ趣向

20. 類似性をどう評価するか？
ユーザA
ユーザB
購買履歴
購買履歴
チョコ
アイス
ケーキ
プリン
チョコ
甘い物
好き？
甘い物
好き？
同じ趣向
ユーザAが未購入
ユーザBが購入した商品
プリン

21. 類似性をどう評価するか？
ユーザA
ユーザB
購買履歴
購買履歴
チョコ
アイス
ケーキ
プリン
チョコ
甘い物
好き？
甘い物
好き？
同じ趣向
ユーザAが未購入
ユーザBが購入した商品
プリン
レコメンド！

22. 簡単にレコメンドシステムを
使えないのか？

23. 簡単にレコメンドシステムを
使えないのか？
簡単にレコメンドシステムを使いたいなら
PredictionIOを使おう！

24. • レコメンドとは
• レコメンドシステムとは
• PredictionIOとは
• PredictionIOでレコメンドシステムを作る
アジェンダ

25. PredictionIOとは
・オープンソースの機械学習サーバ by Scala
引用元：http://predictionio.incubator.apache.org/start/

26. PredictionIOとは
イベントサーバ
機械学習エンジン
・ポイントは以下の2つ

27. PredictionIOとは
イベントサーバ
機械学習エンジン
・ポイントは以下の2つ

28. PredictionIOとは
・オープンソースの機械学習サーバ by Scala
引用元：http://predictionio.incubator.apache.org/start/

29. イベントサーバの役割
• アプリｊからイベントサーバへ渡す
– データは集めた後、モデル作成に関係のないデータ
を除外する
• データの特徴はpropertiesで設定
– 例 user: [gender, location], item: [genre,
author]
アプリからデータ収集
引用元：http://predictionio.incubator.apache.org/datacollection/
使用可能なDB
PostgreSQL, MySQL, Hbase & Elasticsearch

30. PredictionIOとは
イベントサーバ
機械学習エンジン
・ポイントは以下の2つ

31. PredictionIOとは
・オープンソースの機械学習サーバ by Scala
引用元：http://predictionio.incubator.apache.org/start/

32. 機械学習エンジンの役割
引用元：http://predictionio.incubator.apache.org/datacollection/
収集したデータを学習してモデルを作成、予測結果を返す
Spark、Hadoop(option)を使うので、大量のトラフィックにも強い

33. • Recommenders
• Classification
• Regression
• NLP
• Clustering
• Similarity
• Other
機械学習エンジンのカテゴリ
複数のカテゴリ、
複数のエンジン
を連携可能

34. • レコメンドとは
• レコメンドシステムとは
• PredictionIOとは
• PredictionIOでレコメンドシステムを作る
アジェンダ

35. • イベントサーバ、レコメンドエンジンをダウンロード
• データベースのセットアップ
• イベントサーバ起動
• アプリ作成
• データをデータベースに追加する
• エンジンにモデルを学習させ、稼働する
• エンジンにクエリを送り、予測結果を確認
手順

36. おわり