取り急ぎ実行してみる「Pythonアンサンブル学習」
（バギング・ブースティング・スタッキング）
アンサンブル学習は、複数の機械学習モデルを組み合わせることで、単一のモデルよりも高い予測精度を達成する手法です。 アンサンブル学習は、現実世界の様々な問題に適用され、機械学習コンペティションでも常に上位を占める手法として...
RECENT ARTICLES
取り急ぎ実行してみる「Pythonアンサンブル学習」
【Pythonで学ぶ】非線形計画問題の大域的最適化に挑む！
– 【第1回】非線形計画問題と大域的最適化の基礎 –
最適化問題は、工学、経済学、物理学など様々な分野で登場します。機械学習のハイパーパラメータチューニング、構造設計の最適化、リソース配分の最適化など、最適な解を求めることは、多くの問題解決に不可欠です。 最適化問題の中でも...
Python CausalMLで実践する「機械学習因果推論」超入門
– その1：準備と簡単な使い方 –
データが語る物語の奥深くには、単なる相関関係を超えた「因果関係」が隠されています。 企業が新たなマーケティング戦略を展開する際、医療専門家が治療法の効果を評価する時、または政策立案者が社会政策の成果を測る際に、単に「何が...
Python 時系列分析 1,000本ノック
– ノック48: フーリエ変換 –
問題 答え 解説 次の Python コードの出力はどれでしょうか？ Python コード: import numpy as np np.random.seed(52) time_series = np.random.r...
第380話｜異常検知はビジネスにとって強力なスキルだ
ビジネスにおけるリスク管理と効率化は、常に経営者の最優先事項の一つです。 異常検知技術の進化により、これらの課題への対処方法が根本から変わりつつあります。 今回は、異常検知がビジネスに与える影響に焦点を当てます。 統計的...
PythonによるMMM（マーケティングミックスモデリング）とビジネス活用
－ 振返り分析・最適投資配分編（その3）－
線形回帰系MMMの最適投資配分
（特徴量指定・ハイパラ自動調整）
データを活用したマーケティング戦略は、ビジネスの成功に不可欠です。その中心に位置するのが、マーケティングミックスモデリング（MMM）です。 マーケティングミックスモデリング（MMM）は、過去のデータを分析する「振り返り分...
様々な時系列ランダムウォークと近未来分析
ビジネスの現場では時系列データは当然のごとく登場します。売上や販売データ、在庫データ、センサーデータなどすべて時系列データです。 そのような時系列データの中に、ランダムウォークと呼ばれる時系列データが登場することがありま...
Python 時系列分析 1,000本ノック
– ノック47: 時系列特徴量 –
問題 答え 解説 次の Python コードの出力はどれでしょうか？ Python コード: import pandas as pd import numpy as np np.random.seed(46) data ...
第379話｜ビジネス成長の新戦略：データオーグメンテーションの活用法
データの海に潜む無限の可能性を解き放つ鍵、「データオーグメンテーション」。 この革新的な技術は、ビジネスの世界において、競争優位を確立し、持続可能な成長を達成するための新たな道を切り開いています。 しかし、データオーグメ...
PythonによるMMM（マーケティングミックスモデリング）とビジネス活用
－ 振返り分析・最適投資配分編（その2）－
線形回帰系MMMの最適投資配分
（特徴量指定・ハイパラ付与）
データを活用したマーケティング戦略は、ビジネスの成功に不可欠です。その中心に位置するのが、マーケティングミックスモデリング（MMM）です。 マーケティングミックスモデリング（MMM）は、過去のデータを分析する「振り返り分...
Pythonコードを効率的にデバッグするIceCream超入門
Pythonプログラミングの世界におけるデバッグは、しばしば時間を要する煩雑なプロセスとなりがちです。 しかし、正しいツールを用いることで、このプロセスを大幅に簡素化し、より効率的かつ楽しいものに変えることができます。 ...
Python 時系列分析 1,000本ノック
– ノック46: 見せかけの回帰と共和分検定 –
問題 答え 解説 次の Python コードの出力はどれでしょうか？ Python コード: from statsmodels.tsa.stattools import coint import numpy as np ...
第378話｜意思決定者に必要なのは数学的思考法かもしれない
現代社会において、複雑な問題を解決し、持続可能な発展を実現するためには、数学的思考の力が不可欠です。 ビジネスから社会問題まで、あらゆる場面で数学的アプローチが重要な役割を担っています。 しかし、多くの人々が数学に対して...
PythonによるMMM（マーケティングミックスモデリング）とビジネス活用
－ 振返り分析・最適投資配分編（その1）－
線形回帰系MMMの最適投資配分
データを活用したマーケティング戦略は、ビジネスの成功に不可欠です。その中心に位置するのが、マーケティングミックスモデリング（MMM）です。 マーケティングミックスモデリング（MMM）は、過去のデータを分析する「振り返り分...
Python 時系列分析 1,000本ノック
– ノック45: 時系列データの単位根検定 –
問題 答え 解説 次の Python コードの出力はどれでしょうか？ Python コード: from statsmodels.tsa.stattools import adfuller import numpy as ...
第377話｜プローブ特徴選択法が、データドリブン意思決定を地味に加速する
データの海には、ビジネスの未来を左右する洞察が隠されています。 しかし、その価値ある情報を見極め、活用することは、しばしば複雑な挑戦となります。 今日、我々が直面するデータオーバーロードの時代において、プローブ特徴選択法...