![見出し画像](https://assets.st-note.com/production/uploads/images/159184375/rectangle_large_type_2_f25f7230774b6c6de809be0d373f07fd.png?width=1200)
予測カードがよりわかりやすく (Ver.3.5.3)
時系列データ分析ツール Node-AI は3/6にアップデートを行いました。
今週は可視化と予測に着目して2つのカードの追加と、新しいデータに対する未来の値を予測するための予測カードの大幅な改善を行いました。
レンタサイクルの貸し出し数の予測の事例で新機能を説明します。
予測カードの改善
![](https://assets.st-note.com/img/1709792467220-SRCuibrIjn.png?width=1200)
Node-AIでは、十分な精度が得られたAIモデルに対して新しいデータを適用して未来の予測値を得たい場合には予測カードを利用します。例えば、上記の画像のように、今日(2024年3月7日 9時)までのデータを用いて、明日のレンタサイクルの利用台数を知りたい場合は、学習カードに繋いだ予測カードに今日時点のデータをアップロードすることで具体的な数値を求めることができます。
予測カードによると、明日の9時にはどうやら277台程度の貸し出しがあるようです。利用者はこの値に沿って人員配置などを検討することができます。
予測のユースケース、使い所に関してはこちらの記事を参照ください。
相関行列ヒートマップカード
![](https://assets.st-note.com/img/1709787462688-c3pLfgS0zk.png?width=1200)
相関行列ヒートマップカードは、全てのカラム間の相関の値をヒートマップ上に表現することができるカードです。例えば上記の例だと自転車の総利用台数は会員の自転車利用台数との相関が高く、非会員とは低いことがわかります。また、温度と借りられる数は比較的相関があり、気温に左右されることもわかります。
自己相関分析カード
![](https://assets.st-note.com/img/1709787509254-eRNwtRdr5I.png?width=1200)
自己相関カードは、指定したカラムの自己相関を可視化することで、データの周期を把握することができます。例えば図のように、レンタサイクルの貸し出し個数のようなデータに対して適用すると上記のような可視化になります。
値は現在時刻と遅れ時間の値の相関を表していて、24時間前との相関が高いことがわかります。したがって1日間の時間窓を入れることで周期を捉えられる可能性があります。
これ以外にもバグの解消やNode-AIを初めて使う方向けに、Node-AIの全体構成を説明するプロダクトツアーも導入しました。
Node-AIは少なくとも毎週(たまに数日ごと)でアップデートしていますので、どんどん改良をしていって、お客様のデータ分析による課題解決をお手伝いしたいと考えています!
Node-AIの無料利用はこちら→https://nodeai.io