寿命を迎えたゴルフクラブ

 From:山極綾子

 

 

残り50ヤード。

 

であればピッチングウェッジを3時9時で振ろう。

 

構えて…構えて??

 

 

ゴルフを楽しんでいたある日の、5番ホールでのこと。

 

アプローチをしようとゴルフクラブを取り出したはいいのですが、なぜだかぶらぶら揺れている。

 

なんか変だぞと思い見てみると、シャフト(棒の部分)に不思議な“しわ”が。

 

そこに触れるとあら不思議。

 

カーボンでできたはずのシャフトがぽっきり折れるではありませんか。

 

その直前に木や地面にぶつけたわけでもなく。

 

おそらく、ゴルフクラブの寿命だったようです。

 

上の写真は、折れてしまったゴルフクラブの成れの果てでした。

 

 

実は壊れてしまったピッチングウェッジは、私がコースで一番使うクラブでした。

 

90ヤードを切った後は基本的にいつも同じもの。

 

振り幅で調整するのが常でした。

 

まだうまくいかないことが多いせいもあって、

ほかのクラブと比べてこの一本だけを、酷使してしまっていたようです。

 

まるで一人の人に仕事が集中するような出来事でしたが、それも仕方がないのです。

 

なぜならば、ピッチングウェッジは大きな失敗をしにくいから(私個人調べ)。

 

どうしても、安定して成果を出してくれるものに頼りたくなってしまうのは仕方のないことだと思います。

 

 

機械学習でも、そんな「大体何でも頼れる」手法があります。

 

実はそれは、ディープラーニングではありません。

 

(説明力は非常に高いのですが、特定のデータに対しては

うまくパラメータ推定ができないことが知られています。)

 

答えの一つは「勾配ブースティング決定木」と呼ばれる手法です。

 

この手法はいろいろな手法の要素を組み合わせているのですが、そのうちの一つが決定木です。

 

If thenルールのようなものを使って樹形図のようにルールを学習していきます。

 

例えばとある人の健康診断のデータが手元にあるとき。

 

1.BMI>25 or BMI≤25 →2.年齢>80 or 年齢≤80 → …というように、

与えられたデータに対して順番にルールを適用し、なにがしかの結果を推定します。

 

そしてこの決定木は、単独で用いてもあまり効果を発揮しません。

 

その理由としては、とても単純なルールしか取り扱えないことや、

目の前のデータに過学習してしまうことがあります。

 

ではどうするかというと、複数の決定木を組み合わせます。

 

いわゆるアンサンブルという手法です。

 

さらに、似ていない決定木を複数組み合わせることで、精度が向上することが知られています。

 

得意教科の違う10人を集めて、みんなで一緒に問題を解くようなイメージです。

 

この「勾配ブースティング決定木」の手法は、

だいたいのデータに適用することができるとても人気の手法です。

 

ある意味、酷使されています。

 

シンプルなルールを学習してみる。

 

いろいろなルールを組み合わせてみる。

 

これらはひょっとすると、通常仕事をする上でも大切なことのように思います。

 

機械学習と仕事の共通点を、また新たに実感した気分です。

 

 

山極綾子

 

 

P.S.

「勾配ブースティング決定木」が強い理由はほかにもあります。

 

それは、現在手元にあるモデルを使って表現“できなかった”部分を重視して、

新しいモデルを追加するということです。

 

過去を反省して自分の弱みを克服する。

 

大きな共通点がもう一つ見つかりました。

 

 

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