![見出し画像](https://assets.st-note.com/production/uploads/images/43070227/rectangle_large_type_2_b277d038980049352d3e42973fef264d.png?width=1200)
【機械学習名古屋・JAWS-UG名古屋共催】AmazonSageMakerオンラインハンズオン
今日は人間ドックがあり、久しぶりに都内に出てきましたが、在来線は全然人が居ますね。逆に新幹線は人が少なくなってしまい、お土産やチケットカウンターでの人が少なくなってますね。
さて今日の本題
AmazonSageMaker オンラインハンズオン
日本語翻訳されたSageMakerのサンプルハンズオン は以下にあるようです。
今回のイベントで利用したのはxgboost_customer_churnでした。
https://github.com/aws-samples/amazon-sagemaker-examples-jp
このハンズオンの背景・目的
どのようなビジネスであっても、顧客を失うことは大きな損害です。もし、満足していない顧客を早期に見つけることができれば、そのような顧客をキープするためのインセンティブを提供できる可能性があるでしょう。このノートブックでは、満足していない顧客を自動で認識するために機械学習 (Machine Learning, ML) を利用する方法を説明します。このような顧客の離反分析は Customer Churn Prediction と呼ばれています。機械学習モデルは完璧な予測を行えないので、このノートブックでは予測のエラーが生じたときの相対的なコストを考慮して、機械学習を利用したときの成果を金額で評価します。
ここでは、私達にとってなじみのある離反分析、携帯電話会社からの離反を取り上げます。携帯電話会社が、ある顧客が離反しそうと察知したら、その顧客にタイムリーにインセンティブを与えます。つまり、電話をアップグレードしたり、新しい機能を使えるようになったりして、引き続き携帯電話会社を使おうと思うかもしれません。インセンティブは、顧客が離反して再度獲得するまでにかかるコストよりもずっと小さいことが多いです。
「携帯電話の解約予測」を機械学習でやろう。という物ですね
注意点
基本的にはJupyter Notebookで実行していくだけですが、3.データで
!wget http://dataminingconsultant.com/DKD2e_data_sets.zip
がJupyter Notebookからwgetできないので、一度ローカルに落としてから環境にUpLoadしてやる必要があります。
学んだこと・感想
●SageMakerというかJupyter Notebookを触ったことが初めてだったんですが、ドキュメントの中で流れで実行が出来るので画面切り替えせず済むので楽。 In[]の中で実行するだけで出来る。
●言葉とか良く分からないけど、とりあえず雰囲気は掴めたかな。言語化出来てないので、分かってないやん って感じですが。
●Jupyter Notebookでaws cliとか叩けないのかなぁ。。。
いや、ここでやる必要がないのですが、ハンズオン やっていると
①Chime開いてー
②ドキュメント開いてー
③コンソール開いてー
④QAシート開いてー
⑤(場合によっては)よく分からない言葉を検索するブラウザ開いてー
って4〜5を開くことになります。
初心者支部ではディスプレイを大きいの持っていたり、複数のディスプレイを持ってない人の比率が高いかと思うので、ここをどうにかしたいので、「②ドキュメント」、「③コンソール」が一つに集約されるのは強いな。
関連リンク
https://jawsug-nagoya.doorkeeper.jp/events/114889
https://machine-learning.connpass.com/event/196429/
この記事が気に入ったらサポートをしてみませんか?