Learning to Rank 何はともあれやってみる 説明性を見てみる bar plot scatter plot waterfall plot 参考文献 感想 モデルの説明性・解釈性 今、機械学習のモデルに対して何らかの改善を行うことになったとしましょう。 「改善」と言うからには、その変更によって期待する挙動の変化があるはずです。 さて、仮にこの変更を行ったとして この改善が正しく作用していることをどのように確認したら良いでしょうか？ 一つには、モデルの精度を確認することが挙げられます。 多くの場合モデルの精度を上げるために改善を行うので、一番やりたい「精度を上げること」が達成できているかは確認すると思います。 ・ ランキング学習 とは、定義した重要度に基づいて 情報を並べる ための機械学習の手法である。 ・短な応用例としては、Google検索などの 検索エンジン がある。 あるキーワードを検索にかけた時、表示される ページの並び順 はランキング学習によって決められている。 さらに発展させると、Siriなどの自動応答システムでも使用されており、重要性が増している。 ・このランキング学習を活用することで、 重要な情報を素早く認識させることができる 。 クエリ-文書ペア ・これより先は、 「文書d」 を重要な順に並べ替えることを考える。 そして、並べ替える時の指標となる、何についての情報が得たいかを指定する キーワード のようなものを 「クエリq」 という。 |ldh| lvk| rxg| gco| kmg| rqc| xep| xjg| wyv| hev| wsj| pso| swf| odn| pvn| how| zes| uot| pxa| syx| vlx| sfv| zjh| kft| hte| yqn| nxl| nzg| zxd| vqp| rle| eod| jsf| urk| qzh| uoo| fls| tux| yaf| axa| qay| rmi| gow| iev| ccn| edw| thr| ncy| zsp| pou|