[DSO]勉強会_データサイエンス講義_Chapter8

データサイエンス講義第8章 
 
レコメンデーションエンジン 
ユーザが直接触れる大規模データ製品を構築する  
2019年10月18日(金) in 渋谷スクランブルスクエア 
マーケティング部データ戦略室室長 
阪上晃幸

教科書
2 
Rachel Schutt, Cathy O‘Neil (2014) 「データサイエンス講義」
(瀬戸山雅人・石井弓美子・河内崇・河内真理子・古畠敦・
木下哲也・竹田正和・佐藤正士・望月啓充訳)
1章はじめに:データサイエンスとは
2章統計的推論、探索的データ分析、データサイエンスのプロセス
3章アルゴリズム
4章スパムフィルタ、単純ベイズ、データラングリング
5章ロジスティック回帰
6章タイムスタンプと金融モデリング
7章データから意味を抽出する
8章レコメンデーションエンジン :ユーザが直接触れる大規模データ製品を構築する
9章データ可視化と不正検出
10章ソーシャルネットワークとデータジャーナリズム
11章因果関係
12章疫学
13章データ分析のコンペティションから得られた教訓 :データのリークとモデルの評価
14章データエンジニアリング :MapReduce、Pregel、Hadoop
15章生徒たちの声
16章次世代のデータサイエンティスト、データに対する過信と倫理

Leverages Marketing Department
自己紹介
3
● 阪上晃幸（@Mr_Sakaue）
● データアナリスト兼室長
● 経歴
2012/2：レバレジーズでインターン
2012/3：一橋大学大学院経済学研究科修士課程修了
2012/4〜：レバレジーズ入社
● 趣味
料理、ブログ記事の作成
『かものはしの分析ブログ』で検索！

● レコメンデーションエンジンとは
● 最近傍法の10個の問題点
○ 次元の呪い
○ オーバーフィッティング
● 機械学習による分類
● 行列特異値分解
○ Pythonでやってみる
● 主成分分析
○ Pythonでやってみる
● フィルターバブル
● Appendix
● 参考文献
報告内容
4

● 一番シンプルに言うと、ユーザとアイテムの組み合わせに関して重み付けをするもの
○ タスクとしては訓練データからユーザの他の好みを予測することで、
扱うデータは以下のようなもの
■ メタデータ（Ex. ユーザ：性別、アイテム：色）
■ 好みのデータ（「君の名は」が好きか、「ミュウツーの逆襲」が好きか、 etc...）
● 多くのユーザは任意の映画に対してほとんど意見を持たない（評価が0点）。
○ ほとんどのデータが0 のベクトルをスパースベクトルと呼ぶ。
レコメンデーションエンジンとは
Uがユーザ、Vがアイテムとし、
ノードに任意の重みが割り当てられ
ているイメージ
5

● 最近傍法によるレコメンデーションについて
○ ユーザAの過去の映画評価と最も近い映画の評価をしているユーザBを見つけ、
Aの評価はBの評価と同様であると仮定します。
そして、Aがまだ見ていないが、Bが高く評価している映画をレコメンドに使います。
○ ユーザの評価の近さに関しては様々な指標がある。
■ ジャッカード距離
■ コサイン類似度
■ ユークリッド距離
最近傍法の10個の問題点
6

1. 次元の呪い:次元が多いとユーザ/アイテム間の距離が遠くなりすぎる
2. オーバーフィッティング:kが小さいと任意の誰かの意見に引きづられ、
　　　　　　　　　　　精度が出ない
3. 特徴間の相関：同じような変数に別々に重み付け（二重計上）し、
　　　　　　　予測パフォーマンスに悪影響を及ぼす
4. 特徴の相対的な重要度：一律で変数を扱うのは良くない
5. スパースの程度：スパースな場合、ジャッカード距離だと意味がなくなる
6. 測定誤差：データが誤っている可能性もある
7. 計算の複雑さ：計算にコストがかかる
8. 距離指標の感度：ユークリッド距離の場合、値の大きさに敏感になる
9. 好みの経時的な変化：ユーザの好みの変化を捉えれない
10. 更新のためのコスト：データを追加した際のコストがかかる
※教科書で特に重要とされている1と2についてのみ深ぼる。
最近傍法の10個の問題点
7

コーネル大学の講義資料にk-nnに関する次元の呪いの説明が書かれていたので、引用す
る。
次元の呪い
8
l は全てのk近傍を含む、最小の超立方体の辺の長さ
次元dが大きくなるにつれて、近傍を含む超立方体の辺が上限の 1に
近づいていく。これは、関係が薄いものが近傍となりうることを意味し
ている。

コーネル大学の講義資料にk-nnに関する次元の呪いの説明が書かれていたので、引用す
る。
次元の呪い
9
左図はk-nn近傍でランダムに選
んだ点同士の距離をヒストグラム
にしたもの。
次元が高まるにつれて、距離がど
んどんと大きくなっているのがわ
かる。

k近傍法における、kごとのクロスバリデーションスコアを以下に示す。
データはMovieLens 100k、ライブラリはsklearnを利用。
教師データはあるアイテムの点数で、それを予測するタスク。特徴量はユーザの属性データ。
オーバーフィッティング
10
kを増やしていくと
CVスコアが高まっ
ていく傾向が示さ
れている。

● 線形回帰モデルの適用
○ メリット
■ 簡単に係数を推定できる
■ 特徴の重み付けを同時に行える
○ デメリット
■ 完璧なモデルにするには、アイテムの数と同じだけのモデルを用意する必要がある
■ 十分なデータがない場合にオーバーフィッティングが生じうる
（変数の絶対値よりも大きな係数は疑うのが良いとされている。）
機械学習による分類
11

線形回帰モデルのオーバーフィッティング問題を解決するために、係数ごとにペナルティーを
与えるなどの対応が取られる。（教科書ではベイズによる事前情報の付与があげられてい
た。）
以下の図はデータはMovieLens 100k、ライブラリはsklearnで、リッジ回帰のクロスバリデー
ション結果を可視化したもの。
機械学習による分類
12
ペナルティーを与える係数の
ベストな値を探索

● 次元を削減することには、2つの意味がある。
○ 数学的に次元が削減されていること
○ 潜在的な特徴を生成していること
■ カワイイという概念。それは複数の要素の組み合わせからなる。
● もふもふである
● 目がくりんとしている
● 手のひらサイズである
■ 潜在的なものは直接観測されない。
■ 潜在的な概念から顧客の好みを掴み、それをレコメンデーションに使う。
次元の削減
13
もふもふである
目がくりんとしている
手のひらサイズである
カワイイ

● 特異値分解（Singular Value Decomposition, SVD）
特異値分解定理により、
あるm行n列の行列でランク数がk個の行列Xに関して、常に以下のように表すことがで
きる。
特異値分解
14
X = USV’
（m, n）（m, k）（k, k）（k, n）

特異値分解
15
X = USV’
（m, n）（m, k）（k, k）（k, n）
正方ユニタリ行列で
Vと直交する。
ユーザに対応している。
対角行列となっており、
対角要素のことを特異値と
呼ぶ。
最も大きな潜在変数は最も
大きな特異値を持つ。
正方ユニタリ行列で
Uと直交する。
アイテムに対応している。
mはユーザ数、
nはアイテム数
※
ユニタリ行列はそれ自身を
掛け合わせると単位行列に
なるような行列
UU’ = I

● 列に関して、特異値の降順に並べ替えることで、次元が重要なものからそうでないもの
へと並び替わる。
その上から何個までを保持し、残りを捨てるかはトレーニングパラメータと見なすことがで
きる。
特異値分解
16
X = USV’
（m, n）（m, k）（k, k）（k, n）

● SVDを求めることができたら、それは同時にXの予測値が手に入ったと考えることもでき
る。値が大きく、まだそのユーザにレコメンドしていないアイテムに関してランク付けの予
測値として使うこともできる。
特異値分解
17
X = USV’
（m, n）（m, k）（k, k）（k, n）
^

特異値分解（Pythonでやってみる）
18

特異値分解（Pythonでやってみる）
19
未評価だが点数
が高く付いている
アイテムを推薦に
使う

● 主成分分析（Principal Component Analysis, PCA）
以下のように表現できるようなUとVを勾配降下法などで推定する。
（実際のXと、UとVを使って近似したXとの相違を最小化）
※dの数は100個程度が教科書では推奨されている。
主成分分析
20
（m, n）（m, d）（d, n）

● 主成分分析により求められた潜在的な特徴は互いに相関しないという性質がある。
主成分分析
21
（m, n）（m, d）（d, n）

主成分分析（Pythonでやってみる）
22

23
2次元プロット 3次元プロット
赤が男性の、青が女性のアイ
テム評価を3次元に落とし込ん
だもの

24
● 主成分分析により求められた潜在的な特徴（100個）を元にk-nn法を用いてアイテムの
評価予測を行った際の精度は、主成分分析を使わない場合よりも精度が微増したが、k
を増やしていくとその差はほとんど無視できる。
次元数1681でのk-nn 次元数100でのk-nn

● フィルターバブルとは
神嶌(2012)より引用
“個人化技術の普及により生じたと、Eli Pariser が主張する問題
○ 関心のある話題のみに集中し、多様な話題を知る機会を失う
○ 関心のない話題は、どんなに重大であっても除外される”
フィルターバブルへの対応としては、
　　”利用者などが指定した、特定の視点に対して、推薦結果ができる
だけ中立性を保つように配慮する推薦システム”
　　などがあげられている。
フィルターバブル
25

フィルターバブル
26
【神嶌(2012)より引用】

● レコメンデーションの種類
○ コンテンツベース
■ 近傍ベース
■ モデルベース
○ 協調フィルタリング
■ 近傍ベース
● ユーザベース
● アイテムベース
● ハイブリッド
■ モデルベース
● 回帰
● 潜在因子（SVD, 特異値分解, etc...）
Appendix1
27
今回登場したのは
協調フィルタリングの近傍ベースとモデル
ベースの回帰や潜在因子など【Ilya Katsov (2017)より引用】

● Cold-Start問題
○ 対ユーザ
■ 新たにシステムを利用し始めた利用者に対して適切な推薦をする難しさ
○ 対アイテム
■ 推薦対象として新たにシステムに導入されたアイテムを推薦する難しさ
● Counterfactual【比較的新しいテーマ】
○ Upliftモデリング
■ レコメンドをしなくても購買した可能性がある。
レコメンドをすれば購買してくれるような人にレコメンドできないか。
● 予測精度
○ オフライン評価
■ 過去のデータをもとに推薦結果の評価を行う。一般の機械学習と同様に、交差確認によって汎化誤
差を推定し、その汎化誤差で予測精度を評価
○ オンライン評価
■ 被験者に実際にシステムを利用させ、推薦が適合したかどうかを調査するもの。
Appendix2
28

[1] Machine Learning for Intelligent Systems, "Lecture 2: k-nearest neighbors"
[2] Julian Avila ,Trent Hauck (2019), 『Python機械学習ライブラリ scikit-learn活用レシピ
80+』, インプレス
[3] Nick Becker (2016), "Matrix Factorization for Movie Recommendations in
Python"
[4] 神嶌・赤穂・麻生・佐久間 (2012) , "情報中立推薦システム"
[5] Ilya Katsov (2017) , "Introduction to Algorithmic Marketing: Artiﬁcial Intelligence
for Marketing Operations"
[6] 神嶌 (2016) , "推薦システムのアルゴリズム"
[7] Sato et al. (2019) , "Uplift-based Evaluation and Optimization of
Recommenders", RecSys2019
参考文献
29

[DSO]勉強会_データサイエンス講義_Chapter8

[DSO]勉強会_データサイエンス講義_Chapter8

Recommended

More Related Content

What's hot

What's hot(20)

Similar to [DSO]勉強会_データサイエンス講義_Chapter8

Similar to [DSO]勉強会_データサイエンス講義_Chapter8(20)

[DSO]勉強会_データサイエンス講義_Chapter8