機械学習
-
Treasure Data User Engagement
機械学習による独自レコメンドロジック作成の裏側に迫る（後編）
前編では、ECサイトにおける独自レコメンドロジックの作成過程と分析方法論の取捨選択についてご紹介しました。 後編ではこの「独自レコメンドロジ…
Read More » -
Treasure Data User Engagement
機械学習による独自レコメンドロジック作成の裏側に迫る（前編）
総合通販系のECサイトのマーケターなら、サイト来訪者に全員一律同じ情報を届けるのではなく「自分にとって価値がある」と感じる情報を届け、購入促…
Read More » -
Treasure Data User Engagement
Predictive Scoring活用事例と機械学習における重要要素について
カスタマーエンゲージメントチームの高見 翔です。 今回は機械学習をGUIで操作できるPredictive Scoring機能に関して、活用ア…
Read More » -
Treasure Data User Engagement
Pythonで交差検証 – k-Fold Cross-Validation & 時系列データの場合はどうすればいい？ –
データマネジメントチームの金 氣範です。 モデル作成時データセットは基本的にtrain,testで分けて使うことが一般的です。trainでモ…
Read More » -
Treasure Data User Engagement
BaselineからParameter rangeの探索
データマネジメントチームの金 氣範です。 以前の記事にParameter gridを利用したパラメータチューニングについてご紹介しましたが、…
Read More » -
Treasure Data User Engagement
ParameterGridを使ったパラメータチューニング
データマネジメントチームの金 氣範です。 前回の時系列予測に続き、パフォーマンスの良いモデルのパラメータを探索する方法について紹介します。 …
Read More » -
Treasure Data User Engagement
AudienceStudio内にある機械学習機能
カスタマーオンボーディングチームの大西 高広です。 今回は、以前にもご紹介させて頂いたTreasureDataCDPの機能の1つである、Au…
Read More » -
Treasure Data User Engagement
Prophetを使った時系列予測
データマネジメントチームの金 氣範です。 時系列データの分解、クラスタリングに続いて、時系列データを使った予測モデルについてご紹介します。時…
Read More » -
Treasure Data User Engagement
マーケター向け解説！Treasure Data CDPではじめる機械学習 part.1
急速かつ強制的なデジタルシフトが進んだ2020年、この1年間でおよそ15年から20年分の変化が起こったとも言われていますが、世界中の企業がそ…
Read More » -
Treasure Data User Engagement
ロジスティック回帰モデルの精度向上手法
はじめに データマネジメントチームの小野岳洋です。 機械学習等の予測モデルのロジックは様々なものがありますが、その中の代表的なモデルの一つに…
Read More »
