AWS Summit 2015 Day2

Amazon Machine Learning 概要

機械学習の導入を容易にする。

例：スパム判定。送信者ドメインやIP,時刻、言語といったファクト（教師データ）をもとにモデルをトレーニングし、未来予測対象のデータのスパム判定を行う。二項分類。
例２：ECサイトの商品のカテゴライズ。商品名、価格、メーカーなどの教師データをもとに、日用品なのか、食品、本なのかなどを予測対象データにたいして判定する。
例３：明日の売上はどのくらいか。過去の売上データ群から、一番もっともらしい範囲で。曜日、天気、気温などの要素。数値を元に。線形回帰分析。

スマートアプリケーションを作るには
１．機械学習への理解
２．R,Pythonなどの知識
３．特定のビジネス分野への知見（金融、広告など）

AMLはこれらを容易にする。

提供するもの：
・アルゴリズム
・パッケージサービスとしての提供
・スケーラビリティ

扱える予測モデルとアルゴリズム
１．二項分類
２．他クラス分類
３．回帰分析

モデルの品質評価

料金
分析、評価、モデルトレーニング $0.42/インスタンス時
バッチ予測 $0.10/1000
リアルタイム $0.10/1000

リージョンはus-east-1のみだが、他のリージョンのS3も利用可能

機械学習を活用するために’解決したい問題を落としこむ必要がある。

広告の不正クリック選出：クリックログ。不正かどうかを別の手法で判断してフラグがついたもの。問題の分類：二項分類。出力：ログ一行ごとに不正クリックかそうでないか。

デモグラ推定：でもグラがわかっているユーザーの行動ログ。他クラス分類。ユーザーのかとごライズされたデモグラ。

顔写真から特定の人物かどうか判定する。


教師データの例：教師データの形式、入力値、

・顔写真から特定の人物を判定するデモ

教師データ：画像情報のビットマップのCSV。末尾に 1 or 0 (Binary)

予測方法にはバッチ処理とリアルタイムAPIの二種類がある。