2016-7-7_21-18-33_No-00

人は日々「変化」すべきと思います。「進化」ではありません、「変化」です。いろいろな失敗など、よくない方向に変化することもあると思います。その方が多いかもしれません。でも全く問題ありません。問題なのは、変わらないことです。

まず、データサイエンスにおけるモデルの「学習」の方法を確認しましょう。

モデルの学習方法

データサイエンスにおいて回帰分析・クラス分類を行うとき、手法の中には、誤差が小さくなるように逐一パラメータの値を変えながらモデルを学習させるものがあります。誤差を計算して、その誤差が小さくなる方向にパラメータの値を少しだけ変えます。また誤差を計算して、誤差が小さくなるようにパラメータの値を少し動かします。このように、誤差の計算・パラメータの値の変化を繰り返すことで、モデルがデータセットに合うように学習させるわけです

誤差が小さくなるようにパラメータを変化させるわけですが、もちろん次の誤差を計算するときに実際は誤差が大きくなっていることもあります。でも、実はこれってとても大事な情報なんです。そっちの方向にパラメータを動かすと誤差が大きくなるっていう情報から、次はその方向以外に動かせばよいことが分かるんです。なので次にパラメータの値を動かすときは、誤差が小さくなる方向の情報だけでなく前回誤差が大きくなった方向の情報も加味されます。このようにして、たまには誤差が大きくなりながら、広い視野で見ると全体的に誤差が小さくなるようにパラメータが変化していきます。

モデルの学習における問題

誤差が大きくなる、つまりパラメータの値を変えることに失敗しても全く問題ないんです。次につながる情報が得られるんですから。問題なのは、パラメータの値が変わらないことです。パラメータの値が変わらないってことは、もちろん誤差も変わりません。大きくも小さくもなりません。もう、何もできなくなってしまうんです。

どう対応しているか?

なので、無理やりパラメータを動かすんです。で、誤差が小さくなっても大きくなっても構いません。その情報を次に活かすんです。それでさらに誤差を小さくするよう学習します。遺伝的アルゴリズムにおける突然変異も同じ目的です。

人も同じ、変化しましょう!

少し長くなりましたが、何が言いたいかというと、問題なのは変わらないことなんです。日々生活していて、特に問題なく過ごしていると、変化することを嫌います。チャンスがあっても現状維持の選択肢を選んでしまうんです。上でデータ解析・分析のときに問題だったように、変わらないと何も前に進みません。何も変わりません。日々変化しましょう!変化が悪い方向に進んでもいいんです。反省して、その情報を活用して、次の変化で良い方向に進めばいいんです。

まとめ

データサイエンスの分野で、問題なのは変わらないこと、という話をして、人も同じであることを述べました。失敗したっていいんです。進化じゃなくていいんです。日々、変化していきましょう!

ご案内。

オススメ記事セレクション。

twitterでも発信中。

フォローしていただけると嬉しいです。


無料メルマガでブログにない情報を配信中。

無料メルマガの登録はこちら