生成AI・AIデータのスペシャリスト ｜ AIの最前線へ

①「データ選択：」でデータサイエンス分析したい対象データ（.csv, .xlsx）を選びます

ぜひ、整形不要で最も簡単な iris.csv (花のあやめデータ)や、 wine.csv (ワインのデータ)を選んでみてください。
その他のデータは、特徴量生成で調整をしなければ、そのままでは活用できないデータがございます。

②「目的変数(y)：」に予測したい物事 / 項目（の列 / 列名）を設定します

（例：店舗の来店者数、顧客 / 社員のエンゲージメント値、退職 / 解約率、⋯）

③「使用する特徴量（説明変数, X）の選択」に、yを予測するための根拠 / 依拠情報を選択して設定します

②以外の情報を選択できます。「すべて選択」ボタンで、すべての情報を選択状態にできます。
（おすすめ！現在のデータ分析は選択する情報があれば多ければ多いほど良いです。
一昔前の線形回帰では、同じ特徴量を持つとまずい状態でした。）

④ 分類 / 回帰：「②の設定項目」が、

・言葉による分類の場合は分類（見込み顧客 / 見込み顧客でない、解約フラグのお客 / 解約フラグ出ないお客、合格 / 不合格 など）

・数値の場合は、回帰（来店者数 [人] や、売上個数 [個] 、予測交通量 [台 / 分] など）を選択

⑤ AI（統計）モデルの作成方法を決定します

・「 評価指標 ：」を設定します。少し勉強が必要です。（デフォルトのものもよく使われる格式の高いものなので、そのままでOK）

・「学習モデル選択：」で、AIモデルの種類を設定します！（lightbgm（Microsoftが開発！！！）が最もおすすめです！！

データサイエンス界（.csvやexcelなどの表形式データ分析界隈）で最も精度が高く人気があります
少し遅いので、randomforestモデルだと素早いtry & errorができます！lightbgmもrandomforestも決定木系のモデルです！

① ～ ⑤のあとで、「実行」を押しさえすれば、全く新たな「AI（統計モデル）の生成」とそのAIの予測精度の評価が
完了します！

設定したデータに対して、設定したデータの中から行の約8割をランダムに選択してAIの学習データとして使い、
宇宙になかった全く新たな「AIを形成」します。

そして残しておいた約2割を、形成したAIに予測させ、予測結果と実際の設定したデータ内にある yの答えデータとを照合し、
AIの予測（合致）「精度」を（数値で）出力する仕様です！（この時に、「形成したAI」も保存して残しておくことが可能です！）

（追伸）このほかにも、データを結合や整形する前処理にも対応しており、「データ結合」、 「特徴量作成」から行えます！

しかし、こちらはデータ分析知識が必要です。 ネットで調べていただくかコンサルも承っておりますのでご相談ください。
＜連絡先＞
株式会社スター・ライト 代表取締役 岡田隆之
gmail: yoogult1334@gmail.com
tel: 090-2095-9220