From:山極綾子
「会社と研究室の関係も、それに近いものでした」
先日厳しいピアノ教室の先生についてメルマガでご紹介したときいただいたコメントで、
厳しい研究室とそうではない会社についての体験談を教えてくださった方がいました。
（詳細は割愛させていただきますが、実はすごく「私も似たようなこと、
本当に思います！」なコメントで思わず家で叫んでしまいました。）
まさか、ピアノ教室の話から、研究室と会社の関係性について想起くださるとは。。。
ほかにも、いただいたメルマガの感想を見ていると、
機械学習のモデルの話からマーケティング手法のことを考えてくださったり。
私にはまったくなかった発想をお聞きできて、本当に楽しく拝見しております。
こういった発想力を支えているのは、一体何なのでしょうか。
ある意味、連想ゲームのようなものなのでしょうか。
メルマガでいただくコメントも、連想ゲームもそうなのですが、自分では思いつけなかったとしても、
ほかの方から聞くと「その発想はなかった！」と納得してしまうことがほとんどです。
自分で発想できなくても、聞けば納得できるのはきっと、
たとえ多少薄い印象や小さな出来事であったとしても、
その発想の背景となる経験が自分にもあるからなのだと思います。
一方、機械学習のモデルで「できない」ことは、本当にまったくできません。
連想ゲームのように「それもあるかも！」とは決してならないのです。
例えば、目的変数と説明変数の関係性を表現するモデルのうち、一番シンプルな単回帰モデル。
単純に、各変数に係数をつけて目的変数を説明するモデルです。
Y=2a+3b+4cみたいなイメージです。
このモデルは、例えば目的変数Yにaの二乗が影響しているのでは？ということや、
a×bが影響しているのでは？ということは一切考慮できません。
なぜならば、その形を表現する方法がないからです。
全然柔軟性がないのです。
人間のように「自分では発想できなかったけど、納得」とはなりません。
（もちろんシンプルで柔軟性がないからこそのメリットもあるのですが、それは置いておきます。）
モデルは、一度これと決めてしまえば、そのモデルの範疇にないことは一切考慮ができません。
だからこそ、事前にデータ概要把握や分析対象の知識をつけ、
必要であれば変数を追加し、あるいはモデルを複雑なものにするなどの対策が必要になるのだと思われます。
山極綾子
P.S.
一方で、あまりにも複雑なモデルを使おうとしてしまうことで、データが不足してしまったり、
モデルが学習できても変な値を推定してしまったりします。
モデル選択、本当に難しいです。
P.P.S.
今日も最後まで読んでいただきありがとうございます！
メルマガの感想などありましたら、こちらからお聞かせ下さい。
現在データ分析コンサルティング受付中です。
お問い合わせもこちらからどうぞ。
いつも嬉しく拝見しています。いつもありがとうございます！
↓
https://keieijinjipartnersytube.typeform.com/to/B8JjDrk5
—————————————————————-
【経営人事メールマガジン】
発行責任者： 山極毅（株式会社経営人事パートナーズ）
発行者住所：〒100-0005東京千代田区丸の内1-8-3丸の内トラストタワー本館20F
連絡先：https://keieijinji.co.jp/
メールアドレス： strategic-membership-program■■keieijinji.co.jp(■■を@に置き換えてください)
—————————————————————-
↓バックナンバーはこちら↓
PC: https://04auto.biz/brd/BackNumber.htm?acc=keieijinji&bid=3
スマホ・ガラケー: https://04auto.biz/brd/BNMobi.htm?a=keieijinji&b=3
↓メルマガの新規登録はこちらから↓
PC: https://48auto.biz/keieijinji/touroku/scenario13.htm
スマホ: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
ガラケー: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
