Podcastはこちらから🎵

👉質問コメントは質問箱 or Twitterのハッシュタグ#geek_engineerにてお待ちしております📮

Summary

通称「4GM本」と呼ばれているApproaching (Almost) Any Machine Learning Problemを読んだので、その感想や学びなどをお話しました！

どんな本？

kaggleで4つのGMの称号を持つAbhishek Thakur 氏が書いた本。 構成は以下の通り（目次）

・Setting up your working environment
・Supervised vs unsupervised learning
・Cross-validation
・Evaluation metrics
・Arranging machine learning projects
・Approaching categorical variables
・Feature engineering
・Feature Selection
・Hyperparameter optimization
・Approaching image classification & segmentation
・Approaching text classification/regression
・Approaching ensembling and stacking
・Approaching reproducible code & model serving

コードスニペットも豊富で、kaggleでよく話題になるCross-validationやFeature engineeringといった内容から、Approaching reproducible code & model servingといった実運用を見据えた章もあり、とても勉強になる本だった。（DNNはPyTorchによるスニペット有）

他のkaggle書籍との棲み分け

個人的には下記順番で学習するのが良いと思った。

  1. PythonではじめるKaggleスタートブック
  2. kaggleで勝つデータ分析の技術
  3. 4GM本:Approaching (Almost) Any Machine Learning Problem

本書籍は「kaggleで勝つデータ分析の技術」と内容が重複している部分も多いが、ユニークな点として下記があると感じた。

  • 特徴量選択の章がある
  • CVやNLPに特化した章がある
  • 実運用を見据えたserving方法にも触れている

所感

  • 知らない関数（e.g. numpy.ptpやsklearnのimpute）を知ることができた。
  • 自分の知識の隙間を埋めてくれるような内容であった。
  • 当たり前だけど、基本を忠実にこなすのが大切なのだな、と実感した。

名言っぽいものを残しておく

  • If you want to do feature engineering, split your data first. If you’re going to build models, split your data first.
  • Please note that it’s usually better to create less and important features than to create hundreds of features in the first place.