モデルを複雑にするか問題をシンプルにするか

From:山極綾子

 

 

昨日ご紹介したハーバードビジネスレビューの記事

【変化に適応するための戦略立案に欠かせない3つの要素】。

 

https://dhbr.diamond.jp/articles/-/8944

 

実は、当たらない天気予報だけでなく、もう一つ思い出したことがありました。

 

(”当たらない天気予報”はコチラ:

https://keieijinji.co.jp/message/%e3%83%a9%e3%83%b3%e3%83%80%e3%83%a0%e3%82%88%e3%82%8a%e5%bd%93%e3%81%9f%e3%82%89%e3%81%aa%e3%81%84%e5%a4%a9%e6%b0%97%e4%ba%88%e5%a0%b1

 

それは、記事内で述べられているバタフライ効果のまさにその意味に起因するものです。

 

記事曰く、提唱者であるローレンツの洞察はさらに深淵であり、

複雑形においてはある変数の小さな変化が何の影響も及ぼさないことも、

大きな影響を与えることもあり、予測は不可能である、というのです。

 

でも、そんなことを言っていたら機械学習でモデル化なんてできない!

 

例えばgoogle広告だって、私が興味ありそうなものを出してくるし、Youtubeも然り。

 

InstagramやFacebookだって、フォローしていなくとも気になる記事をたくさん出してくれます。

 

これは十分、複雑系を予測していることになるのでは…?

 

 

機械学習の論文では、その対象領域について二つのアプローチが可能です。

 

1つは、機械学習モデルが対応できる分野を広げること。

 

そしてもう1つは、対象問題を狭めることです。

 

恐らくよく見かけるのは、前者の方かと思います。

 

本来自然言語に使われていた手法を、購買履歴にも拡張する研究など、

これまで対応できなかった問題についても解決できるよう、モデルの改良がおこなわれます。

 

では、後者は?

 

複雑すぎる現象をそのまま扱うことはせず、自分が解きたい問題だけを抽出して、

任意の前提条件の元で有効なモデルを構築します。

 

使えるところを少なくしてしまったら意味がないのでは?

 

そう思われるかもしれませんが、特定の現象をきちんと説明できるモデルにも、

多大なる価値があります。

 

ある意味、複雑系においては予測が不可能(とまではいかなくとも)だからこそ、

予測が可能な範囲まで、複雑さを減らすことに当たるのかなあ、と思った次第です。

 

 

山極綾子

 

 

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