Ledge Tech Blog

We're the data scientists and AI engineers behind Ledge.

「TableauでExcelっぽい棒グラフを作成してくれないか」と上司に言われたときの2つの対処法

今回はExcelっぽい幅の狭い棒グラフをTableauで作成する方法を、画像付きで2種類ご紹介します。

合成データがモデル構築をよりオープンにする〜MLタスクでのSDVによる合成データの有効性を検証する

こんにちは。レッジのデータサイエンティストの松本です。 レッジでは、クライアント先に常駐してデータ・ドリブンな課題解決に取り組んだり、ダイナミックプライシングやNLP周りのアルゴリズムを受託開発したり、クライアント先へのBI導入の推進など、幅広…

「Pythonで動かして学ぶ!深層学習の教科書」を読んでPythonの勉強をしてみた

こんにちは。初めまして。レッジのインターン生の大見川です。 レッジでは、 データサイエンス部門に所属していますが、 Ledge.ai でも記事を書いているので良ければご覧ください。 今回の記事では、「Pythonで機械学習の実装をしてみたい!」という方に向け…

分類問題の予測結果の評価指標(Accuracy, Precision, Recall, F値, AUC)について整理してみた

こんにちは。レッジインターン生の大熊です。 今回は分類問題のタスクにおける予測結果の評価指標について、代表的なものをピックアップして書いていきます。 評価指標は各タスクに合わせて設定しなければならず、またその評価値の閾値も個別に設定すること…

Streamlit Sharingを使ってWebアプリを爆速でデプロイしてみた

こんにちは。レッジでデータサイエンティストをしている今村です。 WebアプリケーションフレームワークであるStreamlitからWebアプリを簡単にデプロイできるStreamlit Sharingが発表されました。今回はStreamlit Sharingを実際に試してみたので、実際のデプ…

セミパラメトリックな差分の差推定をPythonで実装してみた

本記事ではサンプルデータとPythonを用いて、傾向スコアを使用したセミパラメトリックな差分の差推定を行ってみました。

因果推論に入門したので二重にロバストな推定量をPythonで実装してみた

本稿では傾向スコアを使用して因果効果を推定する方法の1つである、二重にロバスト(DR:Doubly Robust)な推定法をPythonで実装していきます。DR推定量はIPWと回帰分析を組み合わせたものであり、それぞれ単独の推定よりも良い推定を行うことを目指した手法…