読み方のヒント
矢印ボタン(または ← → キー)でページを移動できます。
千尋は、第1節のお客さんの声の分け方にも、機械学習を使えないかとたずねました。拓海は、「使えます。ただ、従来の機械学習では、何を手がかりにするかを人が決める必要がありました」と答えました。
コンピューターは、文の意味をそのままでは扱えません。そこで人が、文から数を取り出す方法を決めます。
| 手がかり | 「買ったペンが3日でかすれました」 | 「遅い時間まで開いていて助かります」 |
|---|---|---|
| アンケートの星の数(5段階) | 1 | 5 |
| 「かすれ」「割れ」など不具合の言葉の数 | 1 | 0 |
| 「助かり」「うれし」などお礼の言葉の数 | 0 | 1 |
苦情かどうかの正解を付けた例を数百件用意し、この表の数を学習させます。すると、「星が少なく、不具合の言葉があるほど苦情らしい」という決まりを、データから作ります。
予測に使う手がかりのことを、特徴量といいます。第1節のルールベースとの違いは、手がかりの組み合わせ方や重さを、人ではなくデータが決める点です。一方で、どの手がかりを使うかは人が選んでいます。
特徴量の選び方がよくないと、学習の方法をどれだけ工夫しても、よいモデルはできません。お客さんの声に星の数の欄がないアンケートでは、上の表のいちばん強い手がかりが使えなくなります。
9 / 24