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
顧客行動予測に基づいたターゲティング2
コホートデータに基づく心疾患データ分析
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
故障情報の自動分類2
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
商品売上予測による入荷計画の改善
有料会員購入予測に基づく営業施策の決定
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
予測寄与度のcsv出力
時系列予測
時系列予測:予測したい項目以外の項目
データ結合
モデルの更新
関連度スコア
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)
予測寄与度の概要
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
TIPS・仕様
データセットの作り方
データセットの作り方
新機能の紹介
新機能の紹介
予測寄与度のcsv出力
時系列予測
アプリ内ヘルプ機能
改善ヒント機能
時系列予測モード:予測したい項目以外の項目
データ結合
モデルの更新
データ準備機能
関連度スコア
上振れ下振れ予測
説明資料生成機能
インサイト生成
予測精度と予測寄与度の概要と活用
予測精度と予測寄与度の概要と活用
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)
予測寄与度の概要
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
仕様の詳細
データセット
データセットのより詳細な仕様
時系列予測モード用のデータセット
データ準備機能
その他の仕様
改善ヒントの一覧
改善ヒントの一覧
コピーして新規作成してみましょう
ターゲット漏れ(リーク)がないか調べましょう
データに時系列性がある場合は評価用データを手動で指定しましょう
データの行数を増やしましょう
データの行数を減らしましょう
データ準備機能を利用しましょう
ユニーク数の大きい項目を減らしましょう
上振れ下振れ予測を使用してみましょう
予測が外れているデータを確認しましょう (二値分類)
予測が外れているデータを確認しましょう (多値分類)
予測が外れているデータを確認しましょう (数値予測)
予測が外れているデータを確認しましょう (時系列予測)
予測したい項目に含まれる値の中で特に精度が悪いデータを増やしましょう ( 二値分類 )
予測したい項目に含まれる値の中で特に精度が悪いデータを増やしましょう ( 多値分類 )
予測したい項目に含まれる値の出現回数の偏りを減らしましょう
予測したい項目の外れ値を確認しましょう
予測したい項目以外の項目を自動で設定してみましょう
予測をしてみましょう
予測タイプを二値分類か多値分類に変更できないか検討しましょう
予測タイプを二値分類に変更できないか検討しましょう
予測タイプを数値予測に変更すべきか検討しましょう
予測モデル作成時と実際に予測する時のデータは同じ条件か確認しましょう
予測モデル作成用データだけを見て人間が予測できるか確認しましょう
予測先を短くして活用できないか検討しましょう
予測対象を変えてみましょう
人間が予測している結果があれば活用しましょう
以前作成した予測モデルと同じようです
偶然良い精度が出る場合は気をつけましょう
区切り文字を含む項目を複数の項目に分割しましょう
多くの値が1回しか出現しない項目を除外しましょう
寄与度が非常に小さい項目を除外しましょう
寄与度の高い項目が自分の感覚と合っているか確認しましょう
思うように精度が改善しませんか?問い合わせで解決の糸口が見つかるかもしれません。
新しい問題を解こうとしていますか?まずは、近い事例を参考にしましょう。
新たな項目を追加しましょう (1)
新たに追加した項目の寄与度を確認しましょう
時系列予測モードを使用できるフォーマットに整えましょう
欠損率が高い項目に関して、理由を確認しましょう
特定の条件でデータを絞ってから予測モデルを再作成しましょう
目標精度を検討しましょう
直近データだけを用いて予測モデルを作成すべきか検討しましょう
精度が改善しきらなくても業務に活用する方法をご紹介します (二値分類)
精度が改善しきらなくても業務に活用する方法をご紹介します (多値分類)
精度が改善しきらなくても業務に活用する方法をご紹介します (数値予測)
精度が改善しきらなくても業務に活用する方法をご紹介します (時系列予測)
精度評価結果に関して、Precisionは高くRecallは低いため、予測結果の活用方法を工夫しましょう
精度評価結果に関して、Recallは高くPrecisionは低いため、予測結果の活用方法を工夫しましょう
系列数を増やして同時に予測モデルの作成を行いましょう
要因分析にPrediction Oneを使用していますか?そのような場合の事例を紹介します。
評価用データの選び方について確認しましょう
評価結果の信頼性を高めるために「交差検証」の設定を試しましょう
通常の数値予測ではなく時系列予測モードの使用を検討しましょう
通常の数値予測を行ってみましょう
項目のデータタイプが数値で適切か確認しましょう
項目のデータタイプが日時で適切か確認しましょう
項目のデータタイプについて文字列とテキストのどちらが適切か確認しましょう
項目の使用を不使用に変更しても、精度の改善幅は限定的となる場合が多いです
Prediction One
TIPS・仕様
新機能の紹介
データコネクタ機能
このページはデスクトップ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