問題です。2000円の弁当を”ビッグデータを使って”「安い!」と思わせなさい

ただし、時間無制限。

最近、「問題です。2000円の弁当を3秒で「安い!」と思わせなさい」という本があります。
あれは、セールステクニックですが（詳しく言うとネタバレになるので省略）、
そうではなくて、ビッグデータを使って、工学的に・・・です。

---

＜＜解答へのアプローチ＞＞

２０００円の弁当を安いと思う１００人の村をつくり、
その村だけに、その弁当を売れば、その住民は、
みんな安いと思う。



あ～、なにいってんだ？って感じですよね。

具体的に行くと、お金持ちのあつまるところ、
たとえば、政治家のパーティーとかですか。
そこで、お弁当２０００円でも、安いと感じるであろう。

とすれば、全国津々浦々の政治家のパーティーだけに、
そのお弁当を２０００円で売れば、
そのお弁当は、２０００円で安い！とみんな思ってくれる
（みんなといっても、政治家のパーティーの出席者だけですが）

---

ってことは、この問題は、

お弁当が２０００円でも安いと思う集団を見つけなさい。

という問題に帰着させることができる。

その集団のところ（１００人の村）にいって、
２０００円のお弁当を見せれば、安いといってくれます。

集団を見つけるのは・・・ビッグデータを使えばできますよね。
ただし、問題は２０００円のお弁当を安いと思う集団は、
ごくまれだということ。
ビッグデータを単純に使うと、平均値しかでてこない。
なので、こういうまれな意見は、雑音として排除されてしまう。

どうするか・・・

---

そこで、ＧＡを使う。

遺伝的アルゴリズムだと、好ましい評価のモノだけを残す。
２０００円のお弁当を安いと思う人が１人しかいなかったとしても、
それをのこし、次の世代、さらに次の世代とやっていくと、
安いと思う人が増えていき、最終的には、安いと思う人の１００人の村ができる

これで、１００人の村ができたとき、その住人の属性をみればよい

---

GAを使うとなると、評価する必要がある。
評価は、どうするか？

そこに機械学習を用いる。
ビッグデータにより、２０００円の弁当が

安いと思う人の様々な属性値を持ってくる
安くないと思う人の属性値も持ってくる（同じ属性）

それを、ＳＶＭなり、ニューラルネットなりで学習させる。

---

＜＜解答＞＞

・２０００円の弁当が安いと思う人
　高いと思う人、それぞれに対し、
　いくつかの属性を選んで、
　その属性値を（ビッグデータを使って）取得する

・上記属性値および、高いとおもうか安いと思うかを、
　特徴量（特徴ベクトル）として、ＳＶＭ等により、
　機械学習させる。

　これにより、特徴ベクトルをいれると、その人は
　安いと思うか、高いとおもうか判別（評価）できる

・テキトーな値を設定して、多量な特徴ベクトルを生成し、
　上記機械学習により、高いと思うか、安いと思うか判別させ、
　安いと思うほうをのこし、何世代も生成していく。
　つまり、ＧＡ

・結果、安いと思う人のみになる。
　このときの属性値をみて、その属性を持っている人たちだけに
　(実社会で）２０００円の弁当を売れば、「安い」と思ってくれる。

---

＜＜参考文献＞＞

昨日聞いた「可能世界ブラウザ」というものを元に
考えました