| データの種類 |
テキスト
数値
画像
|
| データの変数（パラメーター）の変数名 |
「選択肢集合と選ばれた選択肢の組」のリスト|各選択肢に関する情報（価格、スペック、画像など）|選ばれる選択肢を予測したい選択肢集合（のリスト） |
| データの概要説明 |
選択肢集合から人が何を選択するか、学習データから予測モデルを学習する。選択肢は、価格などの構造化された数値情報のほかに、画像などの複雑な情報を持ってもよい。また、予測モデルは、魅力効果、妥協効果など、人の選択にあらわれる現象を学習し、それらの現象を踏まえた予測を行う。 |
| 想定しているデータの分析・シミュレーションプロセス |
私たちは頻繁に人間が行った選択で観察された経験的な現象の一部を表すために多項ロジットモデルを拡張。これらの現象は、類似の効果、誘引効果、と妥協効果があります。我々は正式に我々の選択モデルの柔軟性を照明する我々の選択モデルで表すことができ、これらの現象の強さを定量化する。次に、我々の選択モデルは、制限されたボルツマンマシンとして、そのパラメータがデータから効率的に学習することができることを表すことができることを示している。人間の選択肢の実データとの数値実験は、それが選択の典型的な現象を表していることを我々はそのような方法で、私たちの選択モデルを訓練することができますことを示唆している。 |
| 想定しているデータの分析・シミュレーションプロセスの結果 （データ分析結果／ツールの出力／典型例など） |
与えられた選択肢集合からどの選択肢がどれだけの確率で選択するかを予測する。 |
| 上記の分析・シミュレーションプロセス以外に期待する分析 |
|
作成日：2015年01月16日 最終更新日：2015年01月16日
コメントする
いいね
お気に入り
全体に公開
2022年02月13日
コメントフォーム