TokyoR#76に行ってきました

理論と実装のバランスがいい回

でした．

応用セッションもLTもなかなか活気があり，面白かったです．

今回は資料の多くが以下からアクセスできます．

tokyor.connpass.com

今回特に面白かったのはkato_kohakuさんの機械学習モデルの横断的な比較評価についての応用セッションと，moratoriamuo271さんのLDAを使ったRecommendation Engineの実装のLTでした．

モデルを跨いでデータを見たい

kato_kohakuさんの比較評価では，この著書をベースにした機械学習モデルの解釈について統合的に検討できるRパッケージの紹介とその実装，可視化に至るまでの内容でした．「スライドを作りすぎた」と本人もおっしゃっていましたがその密度・熱量，ともに高かったです．

個人的には学生時代にゲーム理論をかじった*1こともあり，そこで出てくるShapley valueが機械学習のモデル評価指標として使われていること，使われるに至った発想に驚いてました．

予測が得られる過程をゲームと捉えるってなんなんだ(敬意)*2

社会科学分野で使われていた評価指標にGini Coefficientsがありますが，こちらも決定木系のモデルでの重要度指標として応用されているので，これからもどんどんこういうのが出てくるのかなあと楽しみにしています．

トピックモデル ～１週間の献立を考える～

moratoriamuo271さんのLTでは，Latent Dirichlet Allocationを用いたトピックモデルによって，バランスの取れた料理の献立をリコメンドするという内容でした．

ユニグラム→混合ユニグラム→トピックモデルという文書生成過程モデルの変遷を丁寧に図解していて，とてもわかり易かったです．

仕事でLDAを実装したときは，文書ではなく「ファジイな分類」という部分に注目して，一時期話題になったファジイクラスタリングの実装方法の一つとして扱ったので，懐かしいという気持ちもありました．

私もLTをしましたが，その話はまた別で記事を書きます．

理由は単純で，理論的に詳しい話をLTではできなかったので，その部分を厚くしたEditionを今インプット中なので．

*1:ナッシュ均衡で挫折しかけたのはいい思い出です．

*2:その後論文にあたったのは秘密