[機械学習] 今年から機械学習を学び始めてやったこと、Machine Learning Nowでやりたいこと - YoheiM .NET
[機械学習] 今年から機械学習を学び始めてやったこと、Machine Learning Nowでやりたいこと こんにちは、@yoheiMuneです。 今日はMachine Learning Advent Calendar 2015の9日目の記事として、今年から学び始めた機械学習についてやってきたことをまとめ、そして最近リリースしたMachine Learning Nowについてブログを書きたいと思います。 機械学習をどのように学んできたか？ 時系列に書いてみたいと思います。 統計学との出会い（2015年1月〜4月） 僕は機械学習について今年の3月くらいに興味を持ち始めました。そしてそれ以前には統計に興味があり、以下2つの本を読んでウハウハしていました（統計の知識があったわけではありません）。 統計学が最強の学問である（Amazon） 統計学が最強の学問である[実践編]---データ分析のため
![[機械学習] 今年から機械学習を学び始めてやったこと、Machine Learning Nowでやりたいこと - YoheiM .NET](https://cdn-ak-scissors.b.st-hatena.com/image/square/1e8cae570fb540547408cc685614d53097b95148/height=288;version=1;width=512/https%3A%2F%2Fwww.yoheim.net%2Fimage%2F384.jpg)
[MongoDB] フロントエンドエンジニアにもできるMongoDBを使ったログ分析 - YoheiM .NET
このような表を作ることで、例えば以下のことがわかります。 経路002は流入数の割に獲得効率や翌日継続率も悪い。ここを改善するサービスをグロスできるかも。 経路003は獲得効率と翌日定着率が良い。何が良いのかをさらに分析すれば、他の流入経路の改善に生かせる。 Action2は翌日継続率に良い結果を与えている可能性がある。もう少し詳しく調べてみたい。 このようにユーザーの活性化は流入経路別に分析をすることで、問題点やチャンスを浮き彫りにすることができます。 今回はこの表を作るためにログ分析を行います。 ここまでで分析のスタート地点とゴール地点がわかりました。 あとはその間の道をつなぐためにプログラムを書くだけです。 次の章では、MongoDBでの分析を行うための準備段階を紹介します。 分析（準備編） ここでは分析の準備編として、サーバーログをダウンロードしてきて、整形して、MongoDBに登録
![[MongoDB] フロントエンドエンジニアにもできるMongoDBを使ったログ分析 - YoheiM .NET](https://cdn-ak-scissors.b.st-hatena.com/image/square/b26f45930fdedd4f83a397a5ca31bdc522aa697b/height=288;version=1;width=512/https%3A%2F%2Fwww.yoheim.net%2Fimage%2F348.jpg)
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
