復習がまだ済んでないけどブログを書いてとりあえず供養する
問題概要
求人広告の文章が与えられるので，広告に part-time-job や hourly-wage などの12種類のタグを付与しろ
ただし， part-time-job と full-time-job のように同時に付与されない排他的なタグも存在する
採点方法は12種類のタグのprecisionとrecallの総和からF値を計算する
www.hackerrank.com
方針
やったことを時系列順に
深層学習
深層学習試せばいけるやろwという気分になる．この時は12種類のタグに対して独立に採点されることを認識しておらず，12種類のタグを sigmoid_cross_entropy 同時に予測しようとする．スコア 284.62
問題文を確認する
問題文を確認して12種類のタグをそれぞれ予測してもいいこと知る．排他的なグループ内で素性BoWでSVMを使って多値分類してみる．スコア 460.04
トップはスコア700超えていてすごいなあ
ググった結果 scikit-learn の OneVsRestClassifier を試してみる(内部的には12回2値分類をしたことになる)．スコア 476.53
つらい
素性にbinaryのBoWやtf-idfなどを試すと，binaryのBoWがいい精度を出した．スコア 544.15
おわりに
分類器に XGBoost や ランダムフォレストを試してみるがだめ
最終的に語彙数を増やしたり，ストップワードを除去してスコア 557.97
最終順位は242人中97位だった．悲しい
感想
機械学習の手法を色々試したりしてただけで，1週間が過ぎてしまってエラー分析とかが全くできなかった…
名前は聞いたことあったけど，触ったことのない機械学習ツールの使い方を覚えた
NLPの趣味なので，lemman化などの前処理を知らなかったのが悔しい
こういう企業の機械学習コンペ増えてほしい
