Pythonでデータ分析を行う際、最もよく使うライブラリが pandasです。 そして、データ分析の多くは CSVファイル を読み込むところから始まります。 CSVファイルとは、「Comma Separated Valu...

前回まで、気温からアイスコーヒーの売上を予測する単回帰分析を学びました。 Pythonで完全理解！回帰分析の基礎— 第3回 —モデルの成績表を作ろう！ 決定係数とANOVA、そして回帰診断 しかし...

まず、「プログラミング」とは何でしょうか。 プログラミングとは、コンピュータに「これをやってください」と指示を出すことです。 ただし、コンピュータは日本語を理解できません。そこで、コンピュータが理解できる特別な言葉、つま...

前回までに、回帰分析でモデルを作り、統計的検定で係数の有意性を確認しました。 Pythonで完全理解！回帰分析の基礎— 第2回 —その予測、本当に信頼できる？ 統計的検定と信頼区間 しかし、「統計...

前回、気温からアイスコーヒーの売上を予測する回帰モデルを作りました。 Pythonで完全理解！回帰分析の基礎— 第1回 —アイスコーヒーは何杯売れる？ 単回帰分析で売上予測に挑戦 「気温が1℃上が...

データサイエンスの第一歩として避けて通れない「回帰分析」。 教科書などに書かれている数式を眺めるだけでは、なかなか実感が湧かないのではないでしょうか。 本記事では、カフェのアイスコーヒー売上という身近な題材を使い、回帰分...

前回（第6回）で、個別の不良品に対してSHAPとBreak Downを使って原因を究明し、具体的な改善アクションを立案しました。 DALEXで実践する説明可能AI超入門— 第6回 —製造業でのXA...

金属プレス加工を専門とする中堅メーカーのXAI事例です。 朝の品質会議で、品質管理課の鈴木さんが困った顔をしていました。 「昨日の夜勤で製造されたロット番号A-2457の製品が不良と判定されたんですが、見た目にも測定値に...

「AIが不良品と判定した理由が分からない。だから改善のしようがない」 多くの製造現場が、AIのブラックボックス問題に直面しています。 高精度な品質検査AIを導入しても、なぜその判断をしたのか説明できなければ、現場の改善活...

第3回では、グローバル解釈の手法（Permutation Importance、PDP、ICE）を通じて、AIモデル全体の振る舞いを俯瞰的に理解する方法をお話ししました。 DALEXで実践する説明可能AI超入門̵...