問題 答え 解説 次の Python コードが行っている処理の目的は何ですか？ Python コード: import numpy as np, pandas as pd np.random.seed(42) data =...

「ChatGPTに聞けば、データ分析が誰でもできる時代になった」 そんな声が聞かれるようになって久しい今、多くのビジネスパーソンが期待と戸惑いの間で揺れています。 実際に生成AIを業務に取り入れた企業からは、「業務効率が...

第2回までで、欠損値の検出と可視化ができるようになりました。 次のステップは、いよいよ「実際にどう処理するか」です。 欠損値への対処法は大きく分けて 削除（deletion） と 補完（imputation） の2種類が...

問題 答え 解説 次の Python コードで使用している STL 分解にはどのような利点がありますか？ Python コード: import numpy as np, pandas as pd from statsmo...

ある企業で、こんなことがありました。 3年前、社内のデータサイエンティストが時間をかけて需要予測モデルを構築しました。 当時は画期的で、現場からも高く評価された。発注判断の一部に組み込まれ、業務に定着した。 それから3年...

前回（第1回）では、欠損値には MCAR・MAR・MNAR という3つのメカニズムがあり、それぞれに応じた処理が必要だ、という話をしました。 欠損値処理シリーズ 第1回：欠損値とは何か — MCAR / MAR / MN...

問題 答え 解説 次の Python コードのモデルの特徴は何ですか？ Python コード: import numpy as np from statsmodels.tsa.api import VAR np.rand...

予測モデルを導入した組織には、ほぼ例外なく訪れる局面があります。 「今月の予測精度はどうだったか」を追いかける会議が始まる瞬間です。 最初は健全な取り組みに見えます。 予測モデルを運用しているのだから、その精度を定期的に...

機械学習モデルの精度がなかなか上がらない、と悩んだ経験はありませんか？ データを集め、特徴量を整え、ハイパーパラメータも調整したのに結果が伸びない原因が、実は 欠損値（missing values） の扱い方にあった、と...

問題 答え 解説 次の Python コードの出力から何がわかりますか？ Python コード: import numpy as np from scipy.signal import welch np.random.s...

予測モデルを導入した組織で、必ずと言っていいほど訪れる場面があります。 モデルが出した数字と、現場ベテランの肌感覚が、明らかに食い違う瞬間です。 モデルは「来月の需要は800個」と出している。 一方、長年その商品を担当し...

データサイエンスの世界では、「2つのデータがどれくらい似ているか（近いか）」 を測ることが非常に重要です。 たとえば、おすすめ商品のレコメンド、顧客のグループ分け（クラスタリング）、異常検知など、多くの分析手法の土台に「...

問題 答え 解説 次の Python コードは何を検出していますか？ Python コード: import numpy as np, pandas as pd from prophet import Prophet np...

限られた広告予算で成果を上げるためのヒントは、日々蓄積されている販促データの中にあります。 チラシの反応率、SNSやメールの結果、来店や売上の傾向など、身近なデータを活用すれば「効く施策」と「ムダな施策」を明確にできます...

需要予測を運用している組織では、だいたい次のような習慣があります。 予測が大きく外れると、会議が開かれ、原因が議論され、改善策が検討される。 なぜ外れたのか？ どこに見落としがあったのか？ 次はどう防ぐか？ 振り返りに時...

前回の記事では、正規分布について紹介しました。 正規分布をscipy.statsで理解する 正規分布は「身長」「テストの点数」のように、小数を含む連続的な値のデータに使われる確率分布でした。 しかし、データ分析の現場では...