協調フィルタリングの理解
問題
協調フィルタリングに関する記述のうち誤りを1つ選べ。
解説
協調フィルタリングは、ECサイトや動画配信サービスなどで「あなたにおすすめ」を提示するレコメンドシステム(推薦システム)の代表的な手法です。
商品自体の特徴ではなく、「購買履歴や評価が似ている他のユーザは、この商品も買っている」というユーザ同士の行動履歴の類似性を利用します。
ただし、データが蓄積されていない新規ユーザや新商品に対しては推薦精度が落ちる「コールドスタート問題」という弱点があり、実務では他の手法と組み合わせて使われます。
1. 協調フィルタリングは類似ユーザの行動を利用する
正しい:あるユーザと過去の行動や評価パターンが似ている別の「類似ユーザ」を見つけ、その類似ユーザが好むアイテムを推薦するのが基本原理です。
2. 協調フィルタリングはコールドスタート問題に弱い
正しい:過去の行動履歴データに依存しているため、履歴が全くない新規ユーザや、評価がまだついていない新商品を推薦できない「コールドスタート問題」に弱いです。
3. 協調フィルタリングは商品の特徴を使って推薦する
誤り:アイテム(商品)自体が持つ特徴(ジャンル、監督、色など)をもとに推薦を行う手法は「コンテンツベース・フィルタリング」と呼ばれます。協調フィルタリングはアイテムの特徴自体は考慮しません。
4. 協調フィルタリングはレコメンドで広く使われる
正しい:AmazonやNetflixなどの大規模サービスをはじめ、世の中の多くのレコメンドエンジンで広く活用されている強力な手法です。
📚 より詳細を学びたい方へ
同じカテゴリの問題
- 教師あり学習の基本要件
- 回帰問題の理解
- 分類問題の特徴
- 決定木モデルの性質
- サポートベクターマシン(SVM)の理解
- カーネルとカーネルトリック
- 重回帰分析の理解
- 勾配ブースティングの特徴
- 多クラス分類の理解
- 教師あり学習のビジネス応用
- アンサンブル学習の基本概念
- バギングの特徴
- ブートストラップサンプリングの理解
- ランダムフォレストの性質
- ブースティングの理解
- ランダムフォレストの特徴
- 自己回帰モデル(AR)の理解
- VARモデルの特徴
- マージン最大化の理解
- ロジスティック回帰の理解
- 教師なし学習の基本概念
- k-means法の理解
- t-SNEの特徴
- ウォード法の理解
- 協調フィルタリングの理解
- クラスタリングの特徴
- 次元削減の理解
- 主成分分析(PCA)の理解
- 潜在的ディリクレ配分法(LDA)の理解
- 多次元尺度構成法(MDS)の理解
- デンドログラムの理解
- 特異値分解(SVD)の理解
- コンテンツベースフィルタリングの理解
- クラスタ分類の理解
- 強化学習の基本概念
- 方策(Policy)の理解
- 価値関数の理解
- 行動価値関数Q(s,a)の理解
- 状態価値関数V(s)の理解
- TD誤差の理解
- Actor-Criticの理解
- Q学習の特徴
- ε-greedy方策の理解
- UCB方策の理解
- バンディット問題の理解
- 方策勾配法の理解
- REINFORCEの特徴
- マルコフ決定過程(MDP)の理解
- マルコフ性の理解
- 期待割引報酬の理解
- 割引率γの理解
- 汎化性能の理解
- 訓練誤差と汎化誤差
- ホールドアウト検証の理解
- 交差検証の特徴
- k-分割交差検証の理解
- 混同行列の理解
- 偽陽性・偽陰性の理解
- 正解率の計算
- 適合率の計算
- 再現率の計算
- F値の理解
- 回帰指標MSEの理解
- RMSEの理解
- MAEの理解
- ROC曲線の理解
- AICの理解
- BICとオッカムの剃刀


