第52回 データマイニング+WEB @東京( #TokyoWebmining 52nd )ー機械学習活用 祭りー
- hamadakoichi
- 1352
- 3
- 1
- 0
TVision Insightsさんのお話をお伺いして、「視聴者は20代女性」といった匿名化をの画像特徴量に対して行う需要も今後生まれるのかな、など思うなどした #TokyoWebmining
2016-03-26 15:12:01はむかずさんの Twitter アイコンの意味、「これ (PRML) で殴るぞ」という意味だそうです。こわいですねー
2016-03-26 15:12:45#tokyowebmining tvision insights のデータ面白かった。TVもついに1to1コミュニケーションの時代か。
2016-03-26 15:14:19これは厳密には、Precision-Recall curve な気がする。 #TokyoWebmining
2016-03-26 15:29:28Precision と Recall をそれぞれ x, y にして plot すると、これの左側の図になるんじゃないかな。 mathworks.com/matlabcentral/…
2016-03-26 15:34:35Winning the Netflix Prize: A Summary blog.echen.me/2011/10/24/win… #TokyoWebmining
2016-03-26 15:35:05"Winning the Netflix Prize: A Summary" #TokyoWebmining htn.to/cbh3pQ
2016-03-26 15:35:50MF によるレコメンドはレーティングデータセットにはうまく働くけど、0/1 で表現される購買データセットにはそのままではうまく働かないので、最適化の目的関数をちょこっと変更してみる、と。 vikas.sindhwani.org/OneClassMatrix… #TokyoWebmining
2016-03-26 15:47:12目的関数を変更する手法はこちらっぽい。 algo.uni-konstanz.de/members/rendle…
2016-03-26 15:51:26購買データセットの 0/1 のうち、0 には neutral の場合と negative が含まれていることが、レーティングデータセットのレコメンドより難しいポイントぽい。
2016-03-26 15:55:05Rendle 先生の BPR の open-source な実装は mymedialite.net こちらで提供されているそうな。
2016-03-26 15:57:00集合知プログラミング Toby Segaran amazon.co.jp/dp/4873113644/… @amazonJPさんから
2016-03-26 16:12:32Matrix Factorizationとは by @ysekky_ on @Qiita qiita.com/ysekky/items/c…
2016-03-26 16:13:18データサイエンティスト養成読本 機械学習入門編 (Software Design plus) 比戸 将平 amazon.co.jp/dp/4774176311/… @amazonJPさんから
2016-03-26 16:17:13Silver Egg 社のレコメンド、オンラインで学習して、リアルタイムレスポンスでレコメンドできてる、と。なかなかイケてるなー。
2016-03-26 16:18:35tokyo_webmining_no51 by @shoe116 #bigdata #datamining slideshare.net/shoe116/tokyow… @SlideShareさんから
2016-03-26 16:38:3616:40- 17:50 3.「意味表現の素性への構造主義的アプローチ入門」(講師: @su_9qu ) (発表:35分+議論:35分) #TokyoWebmining
2016-03-26 16:43:45WebDB Forum2015で「社会的影響と広告の影響とを考慮した購買行動モデルに基づく購買要因の推定」という発表がありました。TVISION INSIGHTSさんの発表と関連するかなと。 #TokyoWebmining
2016-03-26 16:43:48