機械学習には必須な有効性の検証機能など群雄割拠の機械学習基盤 専門家が比較するポイントは？

機械学習市場にはここ数年で多くのベンダーが参入してきた。数あるベンダーの中から最適なベンダーを選ぶのは難しいが、専門家はどう見るのか。選定のポイントを聞いた。

[Ed Burns，TechTarget]

専門家は何を重視するのか？

　機械学習市場に参入するベンダーが増え、機械学習の基盤を比較するのも簡単ではなくなってきた。そんな中、ユーザーや専門家が重視するポイントは柔軟性に集約されそうだ。

　「作業に応じて適切なツールを選べることが重要だ」そう話すのは、通販サイトOverstock.comの主任データサイエンティストを務めるクリス・ロビソン氏だ。

併せて読みたいお勧め記事

機械学習基盤の動向をおさらい

• 徹底比較：Amazon、Azure、Google、IBMの機械学習機能　現時点の勝者はいるか
• 「クラウドで機械学習」の落とし穴　AWS、Azure、GCPをどう使う？

機械学習、利用者側の課題とは

• Intelがこっそり教える「データサイエンティストに必要な素質」とは
• リクルートのビッグデータ分析基盤ができるまで、事業部門と開発部門が共に奮闘
• ブルームバーグのデータサイエンス担当者が見た機械学習の課題

　ロビソン氏は、分散処理のフレームワークである「Apache Spark」を基にしたデータ分析サービスを提供するDatabricksが主催したオンラインセミナーで、Databricksのサービスを使ってどのようにサイト訪問者の購買傾向をスコアリング（得点付け）しているか説明した。まずWebのログ情報に特徴となる属性を追加し、それをユーザーセッションごとに整理して順番に並べ替える。ここでいうユーザーセッションとはユーザーがサイトに来てから離脱するまでの一連の流れを指す。整理されたログの情報は購買につながる行動の見取り図となる。行動の見取り図を構築、つまりデータを構造化したら、購買に関連する行動を分類する機械学習アルゴリズムのトレーニングを行う。