投稿元:
レビューを見る
思想・精神性はすごく好きなのですが、自分のレベル感には合っていなかったように思います。広告アプリがメインで、自分のフィールドとの違いがあるとも感じました。ただ、また読み返したいと感じています。
投稿元:
レビューを見る
素晴らしい書籍でした。単純に機械学習を実施するのではなく、そもそもKPI設定や問題設定から機械学習に至るまでの整理方法や思考の流れを解説し、さらにいくつかの具体例を使って実践解説をする、実践的な書籍です。
問題を数式で解説するため、なんとなく機械学習を使ってるだけの人には敷居が高いかもしれません。が、問題を自然言語ではなく定式化するのはやはり理解のブレがなくなるため、できるだけ学んでいきたいです。
投稿元:
レビューを見る
「反実仮想機械学習」という分野が現在かなりホットです。しかし和書でそれらについて解説した書籍はあまりありません、反実仮想を意識して、特に推薦に焦点をおいた書籍です。
「機械学習を使ってまで解くべき問題はあくまで意思決定の最適化問題であって、予測誤差の最小化問題を解くべきではありません」というのはそのとおりで、データサイエンティストが陥りがちな急所をよく突いているなと思いました。
フレームワークについて言及されており
1. KPI を設定する
2. データの観測構造をモデル化する
3. 解くべき問題を特定する
4. 観測データのみを用いて問題を解く方法を考える
5. 機械学習モデルを学習する
6. 施策を導入する
このフレームワークを実践することで「機械学習モデルを学習する」の部分がとても活きていくるということを述べられております。
すべての章に通じて言えますが、具体的な図表が書かれているのでとても状況がわかりやすく、理解が促されます。
数学的な議論はとても多く数式は省略せずきちんと説明されているため理解が促されました。特に随所に登場する「バイアス」を考慮するための考え方はとてもわかり易く解説されていると思いました。
https://blacktanktop.hatenablog.com/entry/2021/08/09/112528
投稿元:
レビューを見る
施策を実施する際のフレームワークとバイアスへの対策、全体効果を考慮したKPI設定について書かれていた。
その施策にどんなバイアスが含まれているのかによって最終的な効果の算出を工夫する必要があり、実際のケースを例にバイアスの取り除き方が説明されていた。
また、施策による結果をそのまま捉えるのではなく施策による増加分を見ることで、より的確な(プラットフォーム全体の)施策の効果を測ることができるという説明がされていた。