要因分析を対象に、従来型の統計解析と機械学習を適宜使い分けながらより再現性の高い分析結果を得るための方法を考察します。また、データのレコード数が少ない「スモールデータ」や、特徴量の数がレコード数より大きい「横長データ」からでもロバストな要因分析を行うための機械学習応用アプローチを考察・提案します。
機械学習モデルがどの特徴量から学習したか DataRobotのデータサイエンティスト、緒方良輔です。この記事では、機械学…
DataRobotのデータサイエンティストの中野 高文です。 時系列予測は過去のトレンドから、未来がどうなるかを予測する…
DataRobotのデータサイエンティスト山本祐也です。 今回は2018年7月に開催しましたワークショップ「機械学習を使…
要因分析と因果解析の基本理論を紹介し、機械学習がどのように使えるかを解説
こんにちは。DataRobotの坂本康昭です。今回のトピックはマシューズ相関係数 - Matthews Correlat…
機械学習における各ステージごとの指標の選択の仕方、それぞれの指標の特性に付いて紹介します。また、DataRobotにおいてどのように指標が選択され、どのようなケースにおいてマニュアルで変えるべきかに付いても紹介しています。