半歩先を読む日本最大級のマーケティングサイト J-marketing.net


(2019.03)
マーケティングのための人工知能入門およびその周辺技術
(6)Rを用いたディープラーニング入門
客員研究員 沖縄国際大学 金城敬太






 前回に引き続き、近年注目されているディープラーニングについて、具体的に「Keras」というフレームワークを「R」で利用しながら、解説していく。ディープラーニングは、理論的には難しい点もある。しかし、ゼロから実装するのでははく、フレームワークを利用すれば、誰でも比較的容易に実行することができるようになってきた。そのため、ディープラーニングの大衆化といわれているほどに普及しつつある。


1.はじめに

 第5回でも紹介したように、ディープラーニングを行う際にも、多くのフレームワークが提案されている。

  • Tensorflow・・・Googleの開発しているフレームワーク。
  • Keras・・・非常に簡単に実装できる。そのため導入としてよい。
  • Chainer・・・日本のpreferred networksで開発されている。

 それ以外にもMxnetなどがある。

 それぞれ設計の思想があり、利用できるプログラミング言語も異なっている。

 ここで扱うKerasというのは、プロジェクトONEIROSの研究で開発され、GoogleのエンジニアのFrançois Cholletがつくったものだ。

 Kerasのメリットは、最小限の記述で実行でき、初心者でも容易に実装できるわかりやすさにある。人工知能の普及や、大衆化といったことも言われている現在、その一役を担っている。一方、デメリットとしては、ブラックボックス的に処理してしまうため、中身を細かく理解せずとも使えてしまうという点や、自分で拡張をする場合に問題が出る可能性がある点だ。

 Pythonでも提供されているが、ここでは前回同様にRで行う方法を解説する。

 まず、分析の大きな流れについて紹介しよう。実行には、大きく五つのステップがある。細かい用語については第5回も参考にしてほしい。


図表1.主な実装のステップ



図表2.ディープラーニングの概念図



0.フレームワークの入手

 1を始めるまえに、実際にRを用意し、Kerasをダウンロードして、インストールするなどの準備が必要である。

1.データの用意

 トレーニングデータのラベル、ラベルに関連するデータ、評価データのラベル、ラベルに関連するデータを準備する。

2.モデルの設定とコンパイル

 どのようなネットワークにするかを、ここで指定する。またコンパイルの部分で「損失関数」(予測結果と実際の結果の違いを評価したもの)の指定や、損失からどのようにネットワークの重みを更新するか(「最適化器」)なども指定する。

 ネットワークの設定では、隠れ層における「ノードの数」の指定、そしてreluなどの「活性化関数」の指定、層をいくつにするかの指定、dropoutを行うかということなどを指定する。

 また、コンパイルの部分では「損失関数」や「最適化器」の指定を行う。これらは、学習で用いられる細かい設定である。学習というのは、図表2にもあるように予測した結果と実際の結果とのずれを損失関数で計算し、最適化器で適切にネットワークの重み(パラメータ)を更新していくことだ。例えば、「カテゴリカルデータのときは,cross-entropyなどを用いる」といったことを指定する。最適化器では、SDG(確率的勾配降下法)、RMSprop、adamなどが用意されており、これらを利用する。

3.学習

 学習では、ミニバッチ確率的勾配降下法(SGD)を用いる場合の細かい設定を行ったうえで、実際にデータを用いてネットワークの重みの推定を行う部分だ。具体的にはミニバッチ(学習する際のデータの一部を抜き出したデータ)や、エポックと呼ばれる繰り返しの回数などを指定する。詳細は次節でのべる。

4.評価

 評価では、(1)で用意したテストデータのラベルに関連するデータと、学習したモデルを用いて、実際にラベルを予測し、その結果がもとの結果をどの程度正確に予測できているかを評価する。

5.予測

 最後に、学習したデータを用いて、新しいデータが入力された場合に、どのようなラベルになるかなどの予測を行う。


 以上の五つが大きな流れである。これらに基づいて2節では具体的にRにおいてKerasを用いた実装について説明する。


次は「Kerasによるディープラーニングの実装」
【続きを読む】(有料会員向け先行公開)

※会員のご登録はこちらをご覧ください。

参照コンテンツ


【シリーズ】マーケティングのための人工知能入門およびその周辺技術


おすすめ新着記事

今治.夢スポーツ  「スポーツが日本の未来にできること」を求めて、岡田武史氏の挑戦
今治.夢スポーツ 「スポーツが日本の未来にできること」を求めて、岡田武史氏の挑戦

元サッカー日本代表監督 岡田武史氏がオーナーを務める「今治.夢スポーツ」は、サッカーJ3のFC今治の運営を中心に、教育や地域貢献などさまざまな事業を手がけている。本稿では、電通でFIFAワールドカップなどの国際大会に携わった経歴をもつ筆者が、岡田氏や関係者に直接取材。単なる地域創生にとどまらない壮大な「今治モデル」構想のエッセンスを紹介する。

コロナ下でも堅調続く「マクドナルド」
コロナ下でも堅調続く「マクドナルド」

コロナで外食全体が不振に陥っている中、ファーストフード業態は前年比96.3%と減少幅が小さい。今回の調査で印象的なのが「マクドナルド」の盤石さだ。主要な項目で2位以下を15~20ポイント引き離している。逆に順位を落としたのが、繁華街などに立地するファストカジュアルのチェーンだ。

アフターコロナの営業戦略 激変市場に対応した小商圏型営業活動のすすめ
アフターコロナの営業戦略 激変市場に対応した小商圏型営業活動のすすめ

コロナ禍で消費者の生活スタイル、購買行動が大きく変化し、これまでの営業は非効率になっています。これから狙うべき好立地は、「都心高級マンションエリア」と、都心に通勤していた人が居住する「郊外エリア」のふたつです。本稿では、エリア軸を組み入れて、コロナ禍に対応した新しい営業スタイルや営業資源の配分方法などについて紹介します。

採用情報
会員登録のご案内
消費社会白書2021
「戦略200+」比較分析ツールのご案内
マーケティングモニターのご案内
データでわかる辛口性格診断
facebook
page top

当サイトに掲載の記事・写真・図表などの無断転載を禁止します。一部の例外を除き、著作権はJMR生活総合研究所に属します。

Copyright (c) 1997-2021 Japan Consumer Marketing Research Institute. All rights reserved.