グーグルのクラウドを支えるテクノロジー　＞　第100回　AutoML TablesによるContextual Banditsモデルの自動構築（パート2）

私が編集支援しているCTC教育サービスのコラム「グーグルのクラウドを支えるテクノロジー　＞　第100回　AutoML TablesによるContextual Banditsモデルの自動構築（パート2）」が公開されました。興味がある方はご覧ください。

＃＃＃

はじめに
　前回に続いて、2019年に公開された論文「AutoML for Contextual Bandits」を紹介します。Contextual Banditsは、レコメンデーションに用いられる機械学習アルゴリズムの一種ですが、この論文では、Contextual Banditsに必要な回帰モデルの構築にAutoML Tablesを用いた実験結果が示されています。

Contextual Banditsの考え方
　前回の記事では、レコメンデーション機能を持ったオンラインショップにおける、AutoML Tablesの利用例を紹介しました。前回の図1に示したデータがあれば、「コンテキストとおすすめ商品」から「販売結果」を予測する回帰モデルをAutoML Tablesで構築して、これをレコメンデーション機能に利用することができます。しかしながら、これだけでは、「レコメンデーション機能を作るために、レコメンデーション機能が必要になる」という「鶏と卵」の問題が発生しました。そこで、Contextual Banditsでは、データ収集とモデルの再学習を繰り返すことで、徐々に機械学習モデルの精度を高めていくアプローチを取ります（図1）。

この続きは以下をご覧ください
https://www.school.ctc-g.co.jp/columns/nakai2/nakai2100.html