イントロ

機械学習とか流行りですよねー。
AWSにもMachine Learningっていうサービスがあり、データを入れるだけで予想ができるようです。

ふーん、それは、俺が作ったEXCEL予測シートを超えるのか〜い？

 

と、無駄な対抗心が出てきたので試してみました。

 

準備

まずは、学習する日別客数を用意します。
だいたい、皆さんのHDDにはEXCELファイルで売上管理表とかがあると思いますので（えっ？）、それを使います。データの日付が１０年前なのが、昔はスーパー経営してたんだぜー、的な時代を感じさせますねー。（しみじみ

weekday	kyaku	long	seika	fes	posting	newsp	living	weather	year	month	day
Sun	302	1	0	0	0	0	0	rain	2006	10	1
Mon	326	1	0	0	0	0	0	sun	2006	10	2
Tue	294	1	0	0	0	0	0	sun	2006	10	3
Wed	317	1	0	0	0	0	0	sun	2006	10	4
Thu	269	1	0	0	0	0	0	rain	2006	10	5

この日別データを、学習用として１つ。そして予測したい日のデータとして１つ用意してください。

例としては、2014/01〜2015/12のデータを用意して、2016/01の予測をおこなう。みたいな感じです。

注意点として、データの一番上に見出しは英数字にしておく必要があります。また、各項目は0/1の分類なのか、数値なのかなどを考えておいたほうが良いです。

 

Machine Learningの使い方

準備

「Get started」から処理を始めます。この際、リージョンは、バージニア北部とアイルランドしか選べないので注意して下さい。

データソース指定＆モデル作成

この画面で学習データを指定します。データをまだ保存していない場合は、次の説明を参考に保存して下さい。

学習データ・予測データをS3へ保存

S3にデータを保存します。バケットがない場合は作成からお願いします。なお、S3のパーミッションを設定していなかった場合は、YESを押すと自動的に設定されます。

 

データソース指定完了

 

スキーマ指定

ここでは各項目のデータタイプを指定します。結構重要なので、色々と変えて結果を比較することをおすすめしますよー

ターゲット指定

予測する項目を指定します。
検索で一覧を絞り込みできるので、見間違いを軽減できますね！

ID指定

IDがある場合は指定可能です。IDに指定しておけば、学習に使わないとか書いているような？

確認画面

データの設定を確認します。

MLモデルの設定

どういう方式で予測するかを決めます。客数予想の場合、デフォルトで大丈夫です。

確認画面

MLモデルがデフォルトの場合はこれで完了です。

なお、作成完了までには結構時間がかかります。特に最後の１つが時間がかかるので、時々Refreshしながらお待ち下さい。

その間に、予測に使うデータのほうを読み込んでおくと時間短縮になります。先ほどと手順は同じですが、ターゲットの指定はなしになります。

予測開始

メニューを選びます。

予測作成開始

予測を作成します。

モデルを選びます。

確認

予測データを選びます。

確認

結果出力先を指定します。

作業完了

あとはひたすら結果待ちです。

出力結果を確認

出来上がると、S3にデータが保存されていることが確認できます。

中にあるファイルをダウンロードし、数値の一覧を確認して実際と比較すると。

こんな感じ。誤差２０％以内なら１００％的中。誤差１０％以内で８０％的中かな。

まぁ、もっと試してみないと分からないから、色々とやってみよう。