Day 149 — Phase 6 総復習 — 6テーマ横断のROIランキングと次の90日の時間配分

📚 背景知識（読んでから問題へ）

Phase6で学んだ5グループは、どれも「やった方がいい」ことに見える。しかし限られた時間で全部を同じ熱量でやろうとすると、実際にはメダルへの寄与が小さい作業に時間を吸われがちである。「改善幅 ÷ 投入時間 = ROI」という単一の指標に翻訳することで、初めて「どこに時間を張るべきか」を機械的に決定できる。

🗂️ Phase6ログの構造化データ

phase6_log = [
    {"theme": "SOTA手法追跡", "days": "126-130", "avg_cv_gain": 0.0091, "hours": 14},
    {"theme": "カスタムアーキテクチャ", "days": "131-135", "avg_cv_gain": 0.0043, "hours": 22},
    {"theme": "高度なアンサンブル", "days": "136-140", "avg_cv_gain": 0.0158, "hours": 9},
    {"theme": "コンペ戦略", "days": "141-145", "avg_cv_gain": 0.0067, "hours": 5},
    {"theme": "解法公開・フォーラム", "days": "146-148", "avg_cv_gain": None, "hours": 12},
]

🎯 問題

タスクA（理論・戦略）

以下2点をそれぞれ2〜3文で説明する。

タスクB（分析→コーディング）

💡 ヒント

import pandas as pd

def compute_roi(phase6_log):
    df = pd.DataFrame(phase6_log)
    df["roi"] = df.apply(
        lambda r: (r["avg_cv_gain"] / r["hours"]) if r["avg_cv_gain"] is not None else None,
        axis=1,
    )
    numeric = df[df["roi"].notna()].sort_values("roi", ascending=False).reset_index(drop=True)
    qualitative = df[df["roi"].isna()].reset_index(drop=True)
    return numeric, qualitative

def allocate_budget(numeric_df, qualitative_df, total_hours=200, floor_hours=15):
    qual_total = floor_hours * len(qualitative_df)
    remaining = total_hours - qual_total
    weight_sum = numeric_df["roi"].sum()
    alloc = {}
    for _, row in numeric_df.iterrows():
        alloc[row["theme"]] = round(remaining * row["roi"] / weight_sum, 1)
    for _, row in qualitative_df.iterrows():
        alloc[row["theme"]] = float(floor_hours)
    return alloc

# ... assert でROI降順・合計200hを確認 ...

✅ 模範解答

import pandas as pd

phase6_log = [
    {"theme": "SOTA手法追跡", "days": "126-130", "avg_cv_gain": 0.0091, "hours": 14},
    {"theme": "カスタムアーキテクチャ", "days": "131-135", "avg_cv_gain": 0.0043, "hours": 22},
    {"theme": "高度なアンサンブル", "days": "136-140", "avg_cv_gain": 0.0158, "hours": 9},
    {"theme": "コンペ戦略", "days": "141-145", "avg_cv_gain": 0.0067, "hours": 5},
    {"theme": "解法公開・フォーラム", "days": "146-148", "avg_cv_gain": None, "hours": 12},
]

def compute_roi(phase6_log):
    df = pd.DataFrame(phase6_log)
    df["roi"] = df.apply(
        lambda r: (r["avg_cv_gain"] / r["hours"]) if r["avg_cv_gain"] is not None else None,
        axis=1,
    )
    numeric = df[df["roi"].notna()].sort_values("roi", ascending=False).reset_index(drop=True)
    qualitative = df[df["roi"].isna()].reset_index(drop=True)
    return numeric, qualitative

def allocate_budget(numeric_df, qualitative_df, total_hours=200, floor_hours=15):
    qual_total = floor_hours * len(qualitative_df)
    remaining = total_hours - qual_total
    weight_sum = numeric_df["roi"].sum()
    alloc = {}
    for _, row in numeric_df.iterrows():
        alloc[row["theme"]] = round(remaining * row["roi"] / weight_sum, 1)
    for _, row in qualitative_df.iterrows():
        alloc[row["theme"]] = float(floor_hours)
    return alloc

numeric_df, qualitative_df = compute_roi(phase6_log)
alloc = allocate_budget(numeric_df, qualitative_df, total_hours=200, floor_hours=15)
total = sum(alloc.values())

assert list(numeric_df["theme"]) == list(numeric_df.sort_values("roi", ascending=False)["theme"]), "ROI降順になっていません"
assert abs(total - 200) < 0.5, f"配分合計が200時間から乖離しています: {total}"
print("[OK] ROI降順ソート かつ 配分合計200h(誤差0.5h以内) を満たす")

# ============ 実測結果（実際にPython 3で実行して確認済み） ============
#          theme  avg_cv_gain  hours       roi
# 0    高度なアンサンブル       0.0158      9  0.001756
# 1        コンペ戦略       0.0067      5  0.001340
# 2     SOTA手法追跡       0.0091     14  0.000650
# 3  カスタムアーキテクチャ       0.0043     22  0.000195
#
#         theme  avg_cv_gain  hours
# 0  解法公開・フォーラム          NaN     12
#
# 高度なアンサンブル 82.4h / コンペ戦略 62.9h / SOTA手法追跡 30.5h /
# カスタムアーキテクチャ 9.2h / 解法公開・フォーラム 15.0h（フロア予算）
# 合計: 200.0h
# [OK] ROI降順ソート かつ 配分合計200h(誤差0.5h以内) を満たす

📊 結果の可視化

🪜 Step-by-Step 解説

1なぜ「グループ単位」でROIを計算するのか（Day146との違い）

phase6_log = [
    {"theme": "SOTA手法追跡", "days": "126-130", ...},
    ...
]

2なぜ質的なグループをROI計算から除外するのか

df["roi"] = df.apply(
    lambda r: (r["avg_cv_gain"] / r["hours"]) if r["avg_cv_gain"] is not None else None,
    axis=1,
)

3なぜフロア予算を先に引いてから、残りを比例配分するのか

qual_total = floor_hours * len(qualitative_df)
remaining = total_hours - qual_total
weight_sum = numeric_df["roi"].sum()
alloc[row["theme"]] = round(remaining * row["roi"] / weight_sum, 1)

🧮 数学・統計の補足（文系向け）

🏆 Kaggleでの実践的な使い方

よく使われるコンペカテゴリ: ☑ 表形式データ（Tabular） / ☑ 自然言語処理（NLP） / ☑ 画像認識（CV） / ☑ 時系列（Time Series）

⚠️ よくある誤解・ミス

🚀 次のステップ

• 発展: 今日は「Phase6の5グループ」という粗い粒度でROIを計算したが、実際のコンペではさらに細かく「特徴量エンジニアリングのうちどのサブカテゴリが効くか」「アンサンブルのうちどの重み付け手法が効くか」という階層的なROI計算に発展させられる。phase6_logのような構造化データを、より細かい粒度でも同じ形式で残しておく習慣が土台になる
• 次回予告: Phase6の総復習が一区切りついたため、次回はPhase6の中でまだ深掘りしていない周辺テーマ（NLP系コンペへの応用、あるいは実在のPlayground Series/Tabularコンペへの実践投入を想定したシミュレーション）に取り組む予定。テーマ選定はDay150開始時に決定する

Phase 6 の学習マップ（総復習・Day149で一区切り）

roadmap.md記載のPhase6主要テーマ6項目はDay126-148で全て着手完了した。Day149の今日はそれらを1つの表に統合し、「次の90日、どこに時間を張るか」をROI計算と予算配分アルゴリズムという形で数値化した。ROI1位は高度なアンサンブル・最下位はカスタムアーキテクチャという結果を得た。

📝 自己評価（解いた後に記入）