グーグルのクラウドを支えるテクノロジー　＞　第99回　AutoML TablesによるContextual Banditsモデルの自動構築（パート1）

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99回　AutoML TablesによるContextual Banditsモデルの自動構築（パート1）」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

　今回からは、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。

AutoML Tablesとは

　AutoML Tablesは、表形式のデータを元にして、「教師あり学習」の機械学習モデルを自動構築するGoogle Cloudのサービスです。「教師あり学習」というのは、学習対象のデータに「正解ラベル」が含まれているもので、たとえば、Kaggleで初心者向けの課題とした出題された「House Price Prediction with Boston Housing Dataset」がこれにあたります。この課題では、ボストンで過去に販売された住宅について、その販売価格に加えて、郵便番号、部屋数、税率、周辺の大気の状態（一酸化窒素濃度）などのデータが与えられており、販売価格以外のデータから、対応する販売価格を予測するモデルを構築します。この場合、販売価格が「正解ラベル」にあたります。AutoML Tablesを用いると、このような正解ラベルを含む表形式のデータを使って、新規のデータに対する正解ラベルを予測するモデルを自動的に構築することができます。このような数値データを予測するモデルを一般に「回帰モデル」と呼びますが、AutoML Tablesでは、データが属するカテゴリーを予測する「分類モデル」を構築することもできます。

この続きは以下をご覧ください
https://www.school.ctc-g.co.jp/columns/nakai2/nakai299.html