すべてのカテゴリ

今日はAIのブログを書いてみました。AIは今や私たちの生活に欠かせない存在となっています。 AIは、人間が行うことが難しいか不可能なタスクを自動的に行うことができます。プログラムを書くことなく、大量のデータを処理し、結果を予測することができます。AIは、さまざまな分野で大きなインパクトを与えています。例えば、画像処理には、画像を抽象化して識別するための深層学習を使ったAIが広く使われています。AIを使うことで、より正確な結果を得ることができ、その結果、安全性を高めることができるかもしれません。また、AIを使った推論は、複雑な意思決定を助けるために使われています。AIは、画像や文章など、さまざまなタイプのデータを入力として受け取り、それらを分析し、最良の結果を導き出すことができます。さらに、AIを使えば、人間にはできないようなタスクを行うことも可能です。例えば、複雑な状況を分析し、それに基づいて評価を行うことができます。AIを使えば、タスクを簡単に効率的に行うことができます。私たちは、AIを活用してさまざまな分野で、あらゆる種類のタスクを実行できるようになりました。AIを使うことで、さらなる進歩を遂げることでしょう。今後もAIが私たちの生活に大きな影響を及ぼすでしょう。

決められた範囲から外れた値を検出できるテクニック。かなり使えそうですね。

今回初めてコンペにて銅メダルを獲得できたので、復習も兼ねて本コンペに対して、どういう分析を行ったかをざっくりですが、振り返りたいと思います。（あくまで自分のやり方で銅メダルが獲得できただけであり、本コンペに対する模範解答ではありません）今回のコンペの内容としては、旅行会社の顧客情報をもとに、顧客が旅行商品を契約するか否かの二値分類の教師あり学習でした。まず目的変数のProdTaken（成約が１，不成約が０）と各特徴量の関係性に着目しました。その中でPassportとProdTakenに注目すべき特徴がありました。（下図参照）あきらかにパスポートを持っている人とそうでない人とで成約率に差があることが分かります。統計的にいうなら有意性がある（独立ではない）と言えます。上図のように差があることが分かったわけですが、そのアプローチの経緯として、まずデータ分析においては全体データの把握や各変数間の関係性、データの分布性、欠損、外れ値等がないか確認をする「探索的データ分析（ＥＤＡ）」が重要となってきます。そして変数間の関係性については、量的変数（身長や体重など数値として意味をもつ変数）同士においては散布図、量的変数と質的変数（血液型や性別、職業などの文字列やパスポートの0、１など）には箱ひげ図、質的変数同士にはクロス集計などが有効的です。またデータ値の特性として、間隔尺度か比例尺度なのかも重要になってきます。年齢の特徴量の表記には一や１、五拾（ごじゅう）、歳や才など誤記も含め表記がバラバラなので、これらを数値に統一させる為、正規表現を使いました。また月収の５０万や45000などの表記も一つ

人工知能（AI）は、コンピューターが人間と同様のような思考や行動を行うことを可能にする技術です。AIは、明らかなタスクや課題を効率的に実行したり、新しいタスクを学習したり、複雑な状況を分析して最適な行動を取ったりすることができます。