ランダムフォレストアルゴリズム
（AP）と Auto-Target の両方のアクティビティで使用される主なパーソナライゼーションアルゴリズムは、ランダムフォレストです。 ランダムフォレストなどのアンサンブル手法では、複数の学習アルゴリズムを使用して、構成学習アルゴリズムのいずれかから得られるよりも優れた予測パフォーマンスを得ます。 Automated Personalization and Auto-Target のランダムフォレストアルゴリズムは、トレーニング時に多数のデシジョンツリーを構築して機能する分類または回帰手法です。
統計学の観点から見ると、結果の予測に使用される単一の回帰モデルが思い浮かぶかもしれません。データサイエンスの最新の調査では、同一のデータセットから複数のモデルが構築され、効果的に組み合わせられる「アンサンブル手法」の方が、単一のモデルだけで予測する場合よりも結果が優れていることが示されています。
ランダムフォレストアルゴリズムは、Automated Personalization アクティビティと Auto-Target アクティビティで使用される、パーソナライゼーションアルゴリズムの基礎となる重要な要素です。 ランダムフォレストは、何百もの決定ツリーを組み合わせて、1 つのツリーが単独で作るよりも優れた予測を得ます。
デシジョンツリーとは
デシジョンツリーの目標は、システムが学習できるすべての使用可能な訪問データを分類し、そのデータをグループ化することです。これにより、目標指標に関して、各グループ内の訪問は可能な限り類似するようになります。 ただし、グループ間では、訪問回数は、目標指標（コンバージョン率など）に関してできるだけ異なります。 デシジョンツリーは、トレーニングセット内の様々な変数を調べて、相互排他的で包括的（MECE）な方法でデータをこれらのグループ（または「リーフ」）に分割して、この目標を最大化する方法を決定します。
簡単な例で、2 つの入力変数があるとします。
- 性別（値は男性と女性の 2 つ）
- 郵便番号（小さなデータセット内の 5 つの値（11111、22222、33333、44444、55555）
目標指標がコンバージョンの場合、訪問データのコンバージョン率の変動量が最も大きいのは、2 つの変数のうちどちらであるかをツリーがまず判断します。
郵便番号が最も予測的だとします。この変数がデシジョンツリーの最初の「ブランチ」を形成します。続いて、訪問データをどう分割するかを判断します。各グループ内のレコードのコンバージョン率はできる限り差異が小さく、各グループ間のコンバージョン率はできる限り差異が大きくなるようにするといった具合です。この例では、11111、22222、33333 が 1 つの分割で、44444、55555 が 2 番目の分割であるとします。
このアクションにより、デシジョンツリーの最初のレイヤーが次のように表示されます。
デシジョンツリーでは、「最も予測可能な変数は何か」という質問があります。 この例では、変数は 2 つしかないので、答えは明らかに性別です。 ツリーは、データを（各分岐内で 分割するための同様の演習を完了するよ になります。 まず、11111、22222、33333 のブランチを見てみましょう。これらの郵便番号で、男性と女性でコンバージョン率に差異がある場合は、リーフは男性と女性の 2 つになり、このブランチの処理はそれで完了します。他のブランチ、44444 と 55555 では、女性と男性のコンバージョン方法に統計的な違いはないと仮定します。 この場合、1 つ目のブランチが最後の分割となります。
例の結果、次のツリーになります。
ランダムフォレストでは、デシジョンツリーをどのように使用しますか？
デシジョンツリーは効果的な統計ツールになりますが、デメリットもあります。最も大きなデメリットは、データの「オーバーフィッティング」が生じ、1 つのデシジョンツリーで、最初のデシジョンツリーの構築に使用されていない将来のデータの予測精度が悪くなる場合があるという点です。これは、統計学習におけるバイアス／バリアンストレードオフと呼ばれる問題です。ランダムな森は、この過剰な課題を克服するのに役立ちます。 ランダムフォレストは簡単に言うと、同一のデータセットを基に、わずかに違う形で構築されたデシジョンツリーの集合で、「投票」によって単一のデシジョンツリーよりも優れたモデルを生成します。ツリーは、置き換え後の訪問レコードのサブセット（バギングと呼ばれます）をランダムに選択することと、属性のサブセットをランダムに選択することによって構築されます。これにより、フォレストは少し異なるデシジョンツリーで構成されます。 この手法では、ランダムフォレストに構築されたデシジョンツリーにわずかなバリエーションが生まれます。この適度な量のバリエーションを追加することで、アルゴリズムの予測精度が高まります。
Target のパーソナライゼーションアルゴリズムでは、ランダムフォレストをどのように使用しますか。
モデルの構築方法
次の図は、Auto-Target と Automated Personalization のアクティビティでモデルがどのように構築されるかを示したものです。
- Target は、エクスペリエンスやオファーをランダムに提供しながら、訪問者のデータを収集します
- Target が大量のデータにヒットした後、Target は機能エンジニアリングを実行します
- Target は、エクスペリエンスまたはオファーごとにランダムフォレスト モデルを作成します
- モデル Target しきい値の品質スコアを満たしているかどうかを確認します
- Target がモデルを実稼動環境にプッシュして、今後のトラフィックをパーソナライズします
Target は、自動的に収集されるデータと、ユーザーから提供されるカスタムデータを使用して、パーソナライゼーションアルゴリズムを構築します。 このモデルによって、訪問者に表示する最適なエクスペリエンスやオファーが予測されます。通常、エクスペリエンス（Auto-Target アクティビティの場合）またはオファー（Automated Personalization アクティビティの場合）ごとに 1 つのモデルが構築されます。 次に、最も高 Target 予測成功指標（コンバージョン率など）を生成するエクスペリエンスまたはオファーが表示されます。 これらのモデルは、予測に使用する前に、ランダムに割り当てられた訪問を対象にトレーニングをおこなう必要があります。そのため、アクティビティが開始されると、パーソナライゼーションアルゴリズムの準備が整うまで、パーソナライズ対象のグループに入っている訪問者にも複数のエクスペリエンスまたはオファーが配信されます。
各モデルは、アクティビティで使用される前に、訪問者の行動の予測に適していることを確認するために、検証する必要があります。 モデルは、カーブの下の領域（AUC）に基づいて検証されます。 検証が必要なため、パーソナライズされたエクスペリエンスの提供をモデルが開始する正確な時間は、データの詳細に依存します。 トラフィックのプランニングの観点からの目安としては、モデルが有効になるまでには、最低限のコンバージョン数が必要になるのが一般的です。
エクスペリエンスまたはオファーのモデルが有効になると、エクスペリエンスまたはオファー名の左にある時計のアイコンが緑色のチェックボックスに変わります。少なくとも 2 つのエクスペリエンスまたはオファーに有効なモデルがある場合、一部の訪問はパーソナライズされ始めます。