MENU
Prediction One
特長
プロダクト
クラウド版
クラウド版
デスクトップ版
デスクトップ版
その他サービス
DX推進研修サービス
活用支援
プラン
導入事例
セミナー
使い方・学習コンテンツ
使い方・学習コンテンツ
使い方
マニュアル(クラウド版)
マニュアル(デスクトップ版)
オンライン学習
ブログ
契約者
ポータル
資料ダウンロード
資料ダウンロード
無料ではじめる
お問い合わせ
Prediction One
チュートリアルを見る
予測モデル作成
クレジットカード不正取引検知
DMへの反応予測
顧客行動予測に基づいたターゲティング
来店数予測による仕入れ量決定
出荷数予測による生産計画の精度向上
入電予測によるオペレータ人数決定
故障情報の自動分類
退会予測による退会の削減
特性予測による開発の効率化
新商品の需要予測
成約予測による有望顧客絞り込み
機器の故障予測による故障の未然防止
顧客の声のラベリング自動化
成約価格の予測
行動予測による施策の効率化
貸し倒れ予測による査定の効率化
販売台数予測による製造計画の改善
注文数予測による過剰在庫と欠品の防止
データ準備機能
複数ファイルのデータを結合する
日付データの差分を計算する
日付データを週次や月次に集約する
予測対象を数値予測から分類に変換する
時系列予測を実行できる形式に変換する
TIPSを見る
データセットの作り方
新機能のご紹介
時系列予測
モデルの監視
上振れ下振れ予測
予測精度の概要(二値分類)
予測精度の概要(多値分類)
予測精度の概要(数値予測)
予測寄与度の読み解き方と活用方法
予測寄与度の読み解き方と活用方法(二値分類)
予測寄与度の読み解き方と活用方法(多値分類)
予測寄与度の読み解き方と活用方法(時系列予測)
予測精度を上げるには
予測結果の活用例
作成したモデルを予測に使って業務に導入するには
仕様の詳細
データセットのフォーマット
時系列予測モード用のデータセット
データ準備機能
マニュアルのトップへ
Prediction Oneとは
予測分析とは
予測分析とは
予測分析の流れ
予測分析の流れ
1 課題を設定する
1 課題を設定する
1.1 予測分析が最適なソリューションなのか確認する
1.1 予測分析が最適なソリューションなのか確認する
1.2 予測分析で解きたい課題を設定する
1.2 予測分析で解きたい課題を設定する
1.3 予測分析で得られた効果を測定できるようにする
1.3 予測分析で得られた効果を測定できるようにする
2 データを用意する
2 データを用意する
3 予測モデルを作成する
3 予測モデルを作成する
4 精度を確かめる
4 精度を確かめる
4.1 予測モデルの精度と目標としていた精度を比べる
4.1 予測モデルの精度と目標としていた精度を比べる
4.2 寄与度を確認する
4.2 寄与度を確認する
5 予測をする/寄与度を活用する(業務への適用)
5 予測をする/寄与度を活用する(業務への適用)
困ったときは
困ったときは
データが入手できなかった場合
データが入手できなかった場合
前処理で表形式データを用意出来なかった場合
前処理で表形式データを用意出来なかった場合
予測時に用意できるデータがない場合
予測時に用意できるデータがない場合
十分な精度が出なかった場合
十分な精度が出なかった場合
寄与度が高いはずの項目の寄与度が低い場合
寄与度が高いはずの項目の寄与度が低い場合
予測分析の基礎知識
予測分析の基礎知識
1 データサイエンスの民主化
1 データサイエンスの民主化
2 AIと機械学習と深層学習
2 AIと機械学習と深層学習
3 データとは
3 データとは
4 機械学習とは
4 機械学習とは
5 機械学習の仕組み
5 機械学習の仕組み
6 ダミー変数・One-Hotエンコーディング
6 ダミー変数・One-Hotエンコーディング
7 機械学習の3ステップ
7 機械学習の3ステップ
8 評価用データの選び方
8 評価用データの選び方
9 教師あり学習の予測タイプ
9 教師あり学習の予測タイプ
クラウド版について
クラウド版について
ソフトウェア更新履歴(クラウド版)
ソフトウェア更新履歴(クラウド版)
Prediction One
Prediction Oneとは
動作環境(デスクトップ版)
このページはクラウド版では利用できません。
PAGE TOP
お問い合わせ・資料はこちらから
資料ダウンロード
お問い合わせ
体験版