Modelerデータ加工Tipsバックナンバー

9123 ワード
modeler SPSS SPSS テキストリンク

Modelerデータ加工Tips過去の記事とURL

2021年2月からIBMソリューションブログで連載しているModelerデータ加工Tipsのバックナンバーです。

回数 筆者（敬称略） タイトル リンク
#01 斉藤明日香（IBM） 「キャッシュ」で後続処理の効率をアップ https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-01/
#02 杉野恒男
（ヤマトHD）		 　関数で任意の文字列を削除・抽出する　 https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-02/
#03 田村 玄
(ビデオリサーチ)		 欠損値に直前の値を代入または線形補間する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-03/
#04 小杉 潔
(ウエスタンデジタル)		 行列入替で適合率PrecisionやF1スコア・MCCを求める https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-04/
#05 竹村 玄
(JALエンジニアリング)		 @OFFSETで車両の時刻と座標から速度や距離を得る https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-05/
#06 橋本 ゆり子
(ファミマデジタルワン)		 @OFFSETでカテゴリ別商品ランキングを作成する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-06/
#07 西山 忍
(大日本印刷)		 傾向スコアとGUIスクリプトで販促と効果の因果推論 https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-07/
#08 白岩 英士
(ABTマーケティング)		 ７日後と６ヵ月後の日付データを作成する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-08/
#09 牧野 泰江
(IBM)		 IoTデータからピーク間の傾きを特徴量として抽出 https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-09/
#10 笹谷 俊徳
(東京ガス)		 時系列データを加工して95％予測上限と下限を求める https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-10/
#11 鶴見 裕之
(横浜国立大学)		 フィールド名を一括変換して見やすく整える https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-11/
#12 中村 友紀
(浜銀総研)		 顧客毎の累積購入金額と特定額到達までの日数を算出 https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-12/
#13 本田 智則
(産総研)		 移動平均と偏差値で異常値を見極める https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-13/
#14 松本 健
(メルカリ)		 条件付きレコード結合で売り手と買い手のマッチング https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-14/
#15 長谷川 博康
(スタテックス)		 後続モデルのためにフィールドを縮約（次元削減）する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-15/
#16 辻井 万里子
(JALカード)		 キーワードの有無で類似文章を検索する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-16/
#17 山本　卓也
(Tポイント・ジャパン)		 対数と分位化で偏りのあるデータから特徴量を作る https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-17/
#18 磯部　葉月
(リバーフィールド)		 連続値の最適分割とモデルの出し分け https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-18/
#19 齋藤　敏之
(読売広告社)		 決定木の所属グループと該当条件をレコードに付与する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-19/
#20 都竹　高広
(IBM)		 ワイブル分布を当てはめて故障を予測する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-20/
#21 赤石　雅典
(アクセンチュア)		 併買パターン上位5種類の組み合わせを抽出する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-21/
#22 及川　慎也
(日立ソリューションズ東日本)		 顧客が休眠直前に購入した商品を特定する https://www.ibm.com/blogs/solutions/jp-ja/modeler-tips-22/