****さま

From:山極綾子


本当にこの研究で、1on1マーケティングは実現されるの？

汎用化できるの？

都合の良い所だけ抜き出してるんじゃないの？


自分の書いた論文第一稿を印刷し、否定的な視点から書き込みを加えていく。

人生初となる論文投稿のため、現在、自分の修士論文の中身を見直し、体裁を整えています。


。。。どうしても、自分が書いたものだと愛着もあるため、なかなかうまく指摘ができません。

ですがこれもすべて、論文を通すため。

可愛い我が子（論文）ですが、千尋の谷に落とすつもりで、頑張っています。


自分が作ったものでも、一度時間をおいて見てみると、違った視点で見れること。

他の人にも見てもらって、コメントを貰うこと。

特定の視点からだけではなく、複数の視点から見つめることで、資料など作成物の完成度が上げていくことが、仕事でも勉強でも多いように思います。


人事の分野で言えば、360度評価も、特定の視点からの意見だけに偏らないように、いろんな立場の方からの意見を貰う方法です。

実は弊社の360度評価システムでは、評価された数が多くなればなるほど、信頼できる値と見なして、その考慮をしているのですが、それはさておき。


機械学習でもそういった手法があります。

とても精度のいいモデルを一つ学習するよりも、それなりのモデルを複数個組み合わせたモデルの方が精度がいいことが多いことが知られています。

1人の天才を連れてくるよりも、100人の「普通の人」を連れてきて、相談させるようなイメージです。

このように、複数のモデルを合体させた学習方法を、アンサンブル学習と呼びます。


一方で、アンサンブル学習がうまくいかない状況ももちろんあります。

様々な状況が考えられますが、一つには、組み合わされるモデルが全て、同じような構造をしているときです。

集めてきた100人が、それぞれ強みが違うからこそ組み合わせたときにメリットがあるのであり、全員同じ考え方をしているならそれは、大人数を集めた意味がありません。


この手法、上手く使うことが出来れば、回帰から分類まで、様々な目的に対して、いろんな形のデータを分析することが出来ます。

複数人で力を合わせるからこその柔軟性も持ち合わせている、と言い換えることもできます。

多様化しているものが強いのは、機械学習も会社も変わらないようです。


山極綾子


P.S.
アンサンブル学習を上手く使うためには、与えるデータへの工夫などが重要になってきます。

というのも、機械学習は基本的には、与えられたすべてのデータを用いて学習をするためです。


会社でも、意図的に多様性を持たせなければ画一化してきてしまう。

そんなことも、起こるかもしれません。


P.P.S.
今日も最後まで読んでいただきありがとうございます！

メルマガの感想などありましたら、こちらからお寄せ下さい。

嬉しく拝見しています。いつもありがとうございます！
↓
https://keieijinjipartnersytube.typeform.com/to/B8JjDrk5




----------------------------------------------------------------
【経営人事メールマガジン】
発行責任者：　山極毅（株式会社経営人事パートナーズ）
発行者住所：〒100-0005東京千代田区丸の内1-8-3丸の内トラストタワー本館20F
連絡先：https://keieijinji.co.jp/
メールアドレス：　strategic-membership-program■■keieijinji.co.jp(■■を@に置き換えてください)
----------------------------------------------------------------

↓バックナンバーはこちら↓
PC: https://04auto.biz/brd/BackNumber.htm?acc=keieijinji&bid=3
スマホ・ガラケー: https://04auto.biz/brd/BNMobi.htm?a=keieijinji&b=3

↓メルマガの新規登録はこちらから↓
PC: https://48auto.biz/keieijinji/touroku/scenario13.htm
スマホ: https://48auto.biz/keieijinji/touroku/sp/scenario13.htm
ガラケー: https://48auto.biz/keieijinji/registp.php?sno=13

配信停止はこちらから
(バックナンバーのため省略)