『施策デザインのための機械学習入門』という本を技術評論社さんから出版します

Twitterでたびたび告知させていただいていますが、『施策デザインのための機械学習入門』という本を技術評論社さんから出させていただきます。紙版は8月4日発売(本記事公開の翌日)、電子版は7月30日にすでに発売されています。 gihyo.jp www.amazon.co.jp …

米国大学院PhD出願に対する私なりの臨み方

はじめに こんにちは、はじめまして、usaito(HP, twitter)です。2016年の4月に東京工業大学の第4類に入学し、その後工学院経営工学系に進みました。途中1年間休学したこともあり、2021年の3月に学士課程を卒業しました。大学入学から丸5年が経ったと思うと…

因果推論で検索システムを問い直す(2)

はじめに ランキング学習のシリーズ記事の第二弾です*1. 前回の記事ではUnbiased Learning-to-Rankと呼ばれる, clickというimplicit feedbackを用いて relevanceに対して最適なスコアリング関数を学習するための損失関数を設計する方法について議論しました.…

因果推論で検索システムを問い直す(1)

はじめに ランキング学習のシリーズ記事の第一弾です. 検索システムで達成したいのは, あるqueryに対してよりrelevantなdocumentを上位に提示することです. queryとdocumentのペアに対して, relevanceが大きければ大きいほど, 大きいスコアをつけるような関…

統計的学習理論(Rademacher Complexityを用いた期待損失の導出)

はじめに 前回の記事では, 仮説集合が有限である場合の, 仮説の予測損失の上界をHoeffding's ineqを用いて導きました. しかし, 無限仮説集合に対しては同様の方法で実用的な上界を得ることは不可能でした. したがって, 今回は無限仮説集合に対応する方法の一…

統計的学習理論(有限仮説集合の場合の予測損失の上界)

はじめに 最近自身の研究で使うため統計的学習理論の勉強をしています. 2回に渡って基本的な内容をまとめてみます. 目次 はじめに 目次 定式化 有限仮説集合の場合の予測損失の上界の導出 さいごに 参考 定式化 まず, 統計的学習理論のモチベーションを述べ…

多腕バンディットアルゴリズムのリグレット解析

はじめに 活用と探索をいい具合にバランスしつつ, 報酬を最大化することを目標とする多腕バンディット問題は, web広告の最適化などへの応用が期待されることから大きな注目を集めています. この分野に関してはこれまでにいくつかの素晴らしい記事が存在しま…

有用な確率不等式のまとめ

はじめに 機械学習に関連する諸分野では何かしらの統計量(期待判別誤差やリグレットなど)を上から評価したい場面が多くあります. そのような場面で大活躍するのが確率不等式と呼ばれる不等式の数々です. 今後本ブログでもこれらの不等式を多用することが予…

Causal Embeddingsの解説と追試

はじめに 前回は, ログデータの観測確率が一様ではない場合に傾向スコアで補正した損失関数を用いるPropensity Matrix Factorizationを紹介しました. しかし, 2018年のRecsysにてBest Paper Awardを受賞したCausal Embeddings for Recommendation [Bonner+ 2…

因果推論で推薦システムを問い直す(学習アルゴリズム編)

はじめに 以前, こちらに本記事の評価指標編を書きました. 今回は, 同様の問題が推薦アルゴリズムの学習時にも発生し得ることを指摘し, その解決方法について議論します. 評価指標編を読んでいただいている方は, 重複する内容も多いのですんなり読んでいただ…

Domain Adversarial Neural Networksの解説

はじめに 最近自分の研究分野との親和性が高いこともあり, Unsupervised Domain Adaptation (教師なしドメイン適応)の理論を勉強しています. その理論を応用した手法に, Domain Adversarial Neural Networks (DANN) というものがあり自分でも動かしてみまし…

EconMLパッケージの紹介 (meta-learners編)

はじめに 近年計量経済学と機械学習の融合分野の研究が盛り上がりを見せています. 例えば, KDD2018やNeurIPS2018で関連のTutorialが開催されるなどしています. その流れの一つとしてMicrosoft ResearchがEconMLというパッケージを公開していて非常に有用だと…