しましまのECMLPKDD2014まとめ

ガッキーのプライベートアカウント @azaazarashi

@oikomi_taro 生起確率をセグメントごとに足すといい感じの特徴が得られる…とゎ...

ガッキーのプライベートアカウント @azaazarashi

@jellied_unagi Invariant Time-Series Factorization

ガッキーのプライベートアカウント @azaazarashi

@oikomi_taro FFTは基底を決めてるけど、これは基底（？）も学習すると

ガッキーのプライベートアカウント @azaazarashi

@oikomi_taro SAGA: Sparse And Geometry-Aware non-negative matrix factorization through non-linear local embedding

ガッキーのプライベートアカウント @azaazarashi

@oikomi_taro X を F G^{T} に分解したい。ここでGは stochastic matrix

ガッキーのプライベートアカウント @azaazarashi

@oikomi_taro NMFをRKHSの中で行う

ガッキーのプライベートアカウント @azaazarashi

@oikomi_taro manifold hull というものを探したいと。

しましま @shima__shima

招待講演3は，SGDのFrancis Bach先生，Beyond stochastic gradient descent for large-scale machine learning というタイトルだったが基本的にはSGDのお話

しましま @shima__shima

SGD は式だけ知ってる程度だが，分析はマルコフ過程とみなすとかは知らなかった．ヘシアンの逆行列なしのオンラインニュートン法とかについてもふれていた．

しましま @shima__shima

既発表の内容をまとめて話すNectorセッション1．1件目は，来れなくてビデオを送ってきてた

しましま @shima__shima

一つ目は Sampling-based Data Mining Algorithms．目標の誤差になるように必要なサンプル数の見積りを，データ数に基づいて決めると，大規模データでは緩い限界に．そこで，VC次元を使う方法の提案．

しましま @shima__shima

まともに大規模グラフの指標を計算するのではなく，rangeset というのを導入し，それとVC次元を結び付けると，誤差保証付き近似的に計算できるという流れのようだったが，詳しいところはしましまには難しすぎた．

Mehdi Kaytoue @MehdiKaytoue

Arthur von Eschen from @activision @ECMLPKDD : game analytics for call of duty #cod pic.twitter.com/thYJdZbEEG

拡大

Germain Forestier @gforestier

Machine Learning and Data Mining in Call of Duty ! #ecmlpkdd #gameanalytics #cod #activision pic.twitter.com/nS6Ac8GkpQ

拡大

Nuno Castro @nunodata

Beyond stochastic gradient descent for large scale machine learning #ecmlpkdd pic.twitter.com/a29Kk8uyDo

拡大

Bart Goethals @goethals

Gamers doing Data Science @ECMLPKDD pic.twitter.com/R7yunb3Upw

拡大

Mehdi Kaytoue @MehdiKaytoue

Call of duty #cod @ECMLPKDD : 4.5 billion hour played, 6.5 trillions shots, 227 billion grenades thrown and 386 billion kills #gameanalytics

Nuno Castro @nunodata

Great talk on detecting cheaters in Call of Duty online multiplayer using machine learning #ecmlpkdd pic.twitter.com/hXz2EGZXfY

拡大

しましま @shima__shima

インダストリ招待講演1は Arthur von Eschen さん．Activision 社の Call of Duty という撃ち合いゲームでのML・DM技術の利用について．

しましま @shima__shima

Call of Duty：1Bドル/年，最新版 For Black Ops 2：4.6B時間プレイ，弾丸6.5T発，グレネード227B発，386B人死亡，30M人以上がプレイ，マルチユーザプレイが一般的なモード

しましま @shima__shima

他人の協力を得て通常は出来ない成績を出すブースティングの検出システム．最初は10人ほどが数週間かけてアノテーション．その後の新規の技は，既知のブースターを泳がせたり，フォーラム・YouTubeから検出

しましま @shima__shima

モデルはクラス分類だが，大規模化が大変．労力は前処理 35%，モデリング：10%，大規模化：45%，API/UI：10%

しましま @shima__shima

人手の場合 5-7人で350人/日の検出（偽正＝0） ⇒ 1人で8000/日 (偽正＝0)，4万/日（偽正＝2%）

しましま @shima__shima

インダストリ招待講演は二人とも，R/Python の他にKNIMEを使ってたみたい．思ってたよりメジャーなんだな．

Nuno Castro @nunodata

ECML/PKDD15 in Porto! #ecmlpkdd pic.twitter.com/QRhP689kiG

拡大