Re:モデルによる解析とニューラルネットのハイブリッド

In Reply to: モデルによる解析とニューラルネットのハイブリッド
投稿者:くろ - 投稿日時:2001年09月15日 11時31分09秒

複数のモデルを使ったハイブリッド化は私も個人的に好きですし、データマイニングを行うときに、利用することは少なくありません。
最近思うことなのですが、複数の手法を組み合わせたハイブリッドモデルは、小難しいことをやっているようではありますが、結局データ加工、クレンジングの延長かなと思うときがあります。例えば、顧客をまとめてマイニングしてしまうより、いくつかのクラスタに分けてから、各クラスタ単位でモデルを作成した場合、クラスタリングに使用した変数情報を集約したものがクラスタとなり、新変数として組み込める。ディシジョンツリーでモデルを作ったあと、各ノードごとにさらにロジスティックなどを使用する方法にしても、考え方を替えれば、ある目的変数のもとに顧客情報を集約したグループを作っているわけですから、膨大な個人データを集約してデータ加工をしていると考えられます。
となると、モデルをいくつも使って行うハイブリッドってなんだか響きもかっこいいし(そう思うのは'くろ'だけ？！)、「時代の先に行ってる！！」って感じがするのですが、つまるところ、データマイニングで一番大変な、そして一番重要なデータ加工・クレンジングをモデルの中に組み込んでいるものだという気がします。

じゃぁ、かっこよくないから、これはだめかというと、くろ的にはかなりいけています。通常、データ加工をするときは分析の前段階ですから、分析者がこつこつと勝手に行います。この「勝手に」というところは「好き勝手に」という意味ではなく、分析を依頼したクライアントにそのデータ加工の意味を説明しなければ、クライアントはわからないままモデルを納品されてしまうという意味です。また、データ加工の個所をクライアントに丁寧に説明しようとしても、聞いているうちに飽きてくる人も少なくありません。

しかし、ハイブリッドでモデルになっていることにより、そのデータ加工は何を意味しているのかが分かりやすくなる、また、クライアントも興味を持つというメリットがあるのではないかと思います。

そういう意味では、ディシジョンツリーで第1層に、有意ではなくても特定の変数を手動で固定することも(くろの部屋で少し触れている内容)、ハイブリッドに片足突っ込んでいるって感じなのかな・・・（いや、ハイブリッドではないことは100も承知だけど）。

ということで、ハイブリッドを行うことによって予測精度が向上するだけではなく、そのモデルの解釈が十分でき、そして、シナリオ戦略が立てやすくなければ、その利用価値が半減する気がします。

余談ですが、CLUGで配布していたお菓子、「お菓子が配られるなんて、結婚式の帰りみたいだ」と話をしていたのですが、よくよく見ると「クレモンティーヌ」。そう、clementineのフランス語読みの店名で、SPSSの「センス」を感じました。
ところで、紛失していた受信機は無事返却されたのでしょうか・・・

この投稿へのコメント
Re:モデルによる解析とニューラルネットのハイブリッド