Submit Search
Upload
High-order factorization machines with R #tokyor 61
•
7 likes
•
1,902 views
Akifumi Eguchi
Follow
TokyoR 61のスライドです
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 21
Download now
Download to read offline
Recommended
PlaidML Kerasでやっていく #TokyoR 73
PlaidML Kerasでやっていく #TokyoR 73
Akifumi Eguchi
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本
Akifumi Eguchi
Dslt祭り2夜
Dslt祭り2夜
Akifumi Eguchi
環境化学データ解析入門: 愛媛大講演資料 160728
環境化学データ解析入門: 愛媛大講演資料 160728
Akifumi Eguchi
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
Akifumi Eguchi
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
Akifumi Eguchi
Recommended
PlaidML Kerasでやっていく #TokyoR 73
PlaidML Kerasでやっていく #TokyoR 73
Akifumi Eguchi
Randomforestで高次元の変数重要度を見る #japanr LT
Randomforestで高次元の変数重要度を見る #japanr LT
Akifumi Eguchi
統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本
Akifumi Eguchi
Dslt祭り2夜
Dslt祭り2夜
Akifumi Eguchi
環境化学データ解析入門: 愛媛大講演資料 160728
環境化学データ解析入門: 愛媛大講演資料 160728
Akifumi Eguchi
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
統計的学習の基礎, 副読本紹介: An Introduction to Statistical Learning
Akifumi Eguchi
Mxnetで回帰 #TokyoR 53th
Mxnetで回帰 #TokyoR 53th
Akifumi Eguchi
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
子どもたちの未来を支える機械学習: 定量的構造活性相関 (QSAR) による有機ハロゲン化合物の母子間移行率予測
Akifumi Eguchi
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」
Akifumi Eguchi
Deep learningもくもくハッカソンまとめup用
Deep learningもくもくハッカソンまとめup用
Akifumi Eguchi
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Akifumi Eguchi
第2回ぞくパタ
第2回ぞくパタ
Akifumi Eguchi
第一回ぞくパタ
第一回ぞくパタ
Akifumi Eguchi
ぞくパタ はじめに
ぞくパタ はじめに
Akifumi Eguchi
Tokyo.r #44 lt.pptx
Tokyo.r #44 lt.pptx
Akifumi Eguchi
Tokyo r #43
Tokyo r #43
Akifumi Eguchi
みどりぼん9章前半
みどりぼん9章前半
Akifumi Eguchi
みどりぼん3章前半
みどりぼん3章前半
Akifumi Eguchi
Tokyo R #39
Tokyo R #39
Akifumi Eguchi
More Related Content
More from Akifumi Eguchi
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」
Akifumi Eguchi
Deep learningもくもくハッカソンまとめup用
Deep learningもくもくハッカソンまとめup用
Akifumi Eguchi
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Akifumi Eguchi
第2回ぞくパタ
第2回ぞくパタ
Akifumi Eguchi
第一回ぞくパタ
第一回ぞくパタ
Akifumi Eguchi
ぞくパタ はじめに
ぞくパタ はじめに
Akifumi Eguchi
Tokyo.r #44 lt.pptx
Tokyo.r #44 lt.pptx
Akifumi Eguchi
Tokyo r #43
Tokyo r #43
Akifumi Eguchi
みどりぼん9章前半
みどりぼん9章前半
Akifumi Eguchi
みどりぼん3章前半
みどりぼん3章前半
Akifumi Eguchi
Tokyo R #39
Tokyo R #39
Akifumi Eguchi
More from Akifumi Eguchi
(11)
ぞくパタ最終回: 13章「共クラスタリング」
ぞくパタ最終回: 13章「共クラスタリング」
Deep learningもくもくハッカソンまとめup用
Deep learningもくもくハッカソンまとめup用
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
Tokyo webmining 43 "化学物質汚染のデータ解析・リスク評価についての私見"
第2回ぞくパタ
第2回ぞくパタ
第一回ぞくパタ
第一回ぞくパタ
ぞくパタ はじめに
ぞくパタ はじめに
Tokyo.r #44 lt.pptx
Tokyo.r #44 lt.pptx
Tokyo r #43
Tokyo r #43
みどりぼん9章前半
みどりぼん9章前半
みどりぼん3章前半
みどりぼん3章前半
Tokyo R #39
Tokyo R #39
High-order factorization machines with R #tokyor 61
1.
High-order factorization machines with R Twitter: @siero5335 20170520: Tokyo.R 61@Recruit 1 2
3 4 u1 NA 4 2 NA u2 3 NA 1 NA u3 NA 5 NA 5 x1 x2 x3 x4 x5 x6 x7 1 2 3 4 Y
2.
J. Knoll, Recommending with Higher-Order Factorization Machines: Research and Development in Intelligent Systems XXXIII, 2016. pp 103-116 https://link.springer.com/chapter/10.1007/978-3-319-47175-4_7 https://cran.r-project.org/web/packages/FactoRizationMachines/index.html High-order factorization machines with R
3.
Factorization machines? 1 2 3
4 u1 NA 4 2 NA u2 3 NA 1 NA u3 NA 5 NA 5 x1 x2 x3 x4 x5 x6 x7 1 2 3 4 Y ユーザと商品それぞれに列を⽤意するので 交互作⽤が計算できるのが良いところ
4.
Factorization machines? 購⼊記録からの推薦などにおいて広く利⽤ 回帰, 判別いずれにも対応 スパースなデータセットに強い 切⽚, 線形重み付け,
2次の交互作⽤の組み合わせで予測 2次の交互作⽤項切⽚ 重み
5.
High-order factorizations ? 3-way 購⼊記録からの推薦などにおいて広く利⽤ 回帰, 判別いずれにも対応 スパースなデータセットに強い 切⽚, 線形重み付け,
3次の交互作⽤の組み合わせで予測 2次の交互作⽤項 3次の交互作⽤項
6.
High-order factorizations ? 購⼊記録からの推薦などにおいて広く利⽤ 回帰, 判別いずれにも対応 スパースなデータセットに強い 切⽚, 線形重み付け,
⾼次の交互作⽤の組み合わせで予測 ⾼次の交互作⽤項
7.
Factorization machines with R Factorization machines with r: https://www.slideshare.net/shotayasui/factorization-machines-with-r libFMexeを動かすまで: http://qiita.com/siero5335/items/8a8eb8de8633041d865a#_reference-283face5098f5fc19bd1 Factorization Machinesのおはなし。: http://www.housecat442.com/?p=676
8.
Factorization machines with r: https://www.slideshare.net/shotayasui/factorization-machines-with-r libFMexeを動かすまで: http://qiita.com/siero5335/items/8a8eb8de8633041d865a#_reference-283face5098f5fc19bd1 Factorization Machinesのおはなし。: http://www.housecat442.com/?p=676 devtools::install_github("andland/libFMexe") 広く使われているlibFMのwrapper Factorization machines with R
9.
Factorization machines with r: https://www.slideshare.net/shotayasui/factorization-machines-with-r libFMexeを動かすまで: http://qiita.com/siero5335/items/8a8eb8de8633041d865a#_reference-283face5098f5fc19bd1 Factorization Machinesのおはなし。: http://www.housecat442.com/?p=676 devtools::install_github("andland/libFMexe") 広く使われているlibFMのwrapper libFMのパスを指定するのが⾯倒だしRそのまま使いたい High-order未対応 Factorization machines with R
10.
J. Knoll, Recommending with Higher-Order Factorization Machines: Research and Development in Intelligent Systems XXXIII, 2016. pp 103-116 https://link.springer.com/chapter/10.1007/978-3-319-47175-4_7 High-order factorization machines with R https://cran.r-project.org/web/packages/FactoRizationMachines/index.html
11.
https://cran.r-project.org/web/packages/FactoRizationMachines/index.html 今は回帰だけだがそのうち分類にも対応する予定らしい High-order factorization machines with R
12.
SVM.train() FM.train HoFM.train() (x, y, factors = 1, intercept = T, iter = 100, regular = 0, stdev = 0.1) x: dgTMatrix, matrix, data.frameいずれかの⽬的変数を除いたデータ y: ⽬的変数(今は回帰のみ) factors: svmなら0 or 1, FMなら
c(0, 10)のように2つ, HoFMならc(0, 10, 5)のように3つ指定 c()の左から線形重み付けする (1) か否 (0) か, 2~n次のfactorizeをするパラメータ数 intercept: 切⽚項を⼊れるかどうか iter: iterationの回数 regular: 線形の項における正則化の度合い FM, HoFMの場合は複数の値を⼊れることができる 1つだけの場合はこの値で全体を正則化 複数なら1つめが線形項, それ以降が⾼次係数項についての正則化値になる stdev: SDを使ってモデルのパラメータを初期化 High-order factorization machines with R
13.
Ml100k: 映画の評価点に関係するデータ matrixパッケージでスパースな形に変更 説明変数: userID,
items(映画タイトル), wdays (公開からの⽇にち) ⽬的変数: 評価点 High-order factorization machines with R
14.
⽇時 x1 x2 x3
x4 x5 x6 x7 1 2 3 Y ユーザ 映画 レート ユーザ*映画*⽇時の交互作⽤を 予測に組み込むことができる High-order factorization machines with R
15.
トレーニング, テストセットに分割 High-order factorization machines with R
16.
試し切りとしてSVM.trainを使う RMSEは関数の組み合わせで普通に計算 トレーニング, テストセットを可視化 High-order factorization machines with R
17.
RMSE = 0.9430634 赤: test, 緑: training High-order factorization machines with R
18.
HoFM.trainを使う 正則化はつけておくがfactorについてはdefault (defaultのfactorはc(1, 10, 5)の設定) High-order factorization machines with R
19.
RMSE = 0.9155181 赤: test, 緑: training High-order factorization machines with R
20.
References Factorization Machines https://www.ismll.uni-hildesheim.de/pub/pdfs/Rendle2010FM.pdf J. Knoll, Recommending with Higher-Order Factorization Machines: Research and Development in Intelligent Systems XXXIII, 2016. pp 103-116 https://link.springer.com/chapter/10.1007/978-3-319-47175-4_7 Blondel et al., Higher-Order Factorization Machines: https://arxiv.org/abs/1607.07195 Factorization Machinesについて調べてみた: http://qiita.com/wwacky/items/b402a1f3770bee2dd13c Factorization machines with r: https://www.slideshare.net/shotayasui/factorization-machines-with-r libFMexeを動かすまで: http://qiita.com/siero5335/items/8a8eb8de8633041d865a#_reference-283face5098f5fc19bd1 Factorization Machinesのおはなし。: http://www.housecat442.com/?p=676 Higher-Order Factorization Machinesを聞いてきた!: http://blog.goo.ne.jp/xmldtp/e/faec17b2a409316f3aba6159d5477957
21.
Enjoy !
Download now