回帰分析
# 必須インポート import numpy as np # MSEを求めるために必要(MMSEは直接計算できない) from sklearn.metrics import mean_squared_error as MSE # 説明変数を指定 select_columns = ["変数A","変数B","変数C","変数D","変数E"] # ダミー変数化(k個のカテゴリーをダミー化する場合、k-1個のダミー変数があればよいが、get_dummies()関数ではデフォルトでk個のダミー変数に変換される。 引数drop_first=Trueとするとすれば、最初のカテゴリーが除外されk-1個のダミー変数に変換される。) dummy_data = pd.get_dummies(data[select_columns],drop_first=True) # データを、学習用データと評価用データに分割 X_train,X_test,y_train,y_test = train_test_split(dummy_data, data["y"], random_state = 123) # 回帰分析の実施 lr = LinearRegression() lr.fit(X_train, y_train) # 学習用データから y の予測値を算出 y_pred_train = lr.predict(X_train) # 評価用データから y の予測値を算出 y_pred_test = lr.predict(X_test) # 学習用データのRMSEを求める rmse_train = np.sqrt(MSE(y_train, y_pred_train)) # 評価用データのRMSEを求める rmse_test = np.sqrt(MSE(y_test, y_pred_test)) ## MMSEは直接求めることができないため、MSEを算出し、その平方根をとることでを算出。 # 学習用データ及び評価データのRMSEを表示 print(rmse_train) print(rmse_test)
UCLA の Generalized linear Regression Models セミナーに参加しました。
日本時間の朝5時からでしたら、参加してみました。
↓ は講師の先生が使用したスライドです。
また参加します!
寄与度・寄与率
「寄与度」の計算方法です。
先ずは、「寄与率」との違いを認識する必要があります。
www.meti.go.jp
業務量調査の方法
現場の業務量調査は、業務量の把握や改善、適正人員配置等で行われますが、容易なことではありません。少し調べてみましたので、まとめてみました。
実際の業務量の測定には、以下ような手法があります。
www.bpm-portal.jp
www.newspt.co.jp
① 稼働分析法
・連続観察法 (調査員による観察)
・連続観察法 (カメラ等による録画)
・ワークサンプリング法(稼働分析法)
② 実績記入法
③ 推定時間記入法(推定比率法)
④ 合成法(既定時間標準法)
<ワークサンプリング法>
* https://monoist.atmarkit.co.jp/mn/articles/1903/11/news011.html
* https://mitsu-ri.net/articles/operation-analysis
* https://leo-taiyou.com/2020/09/13/ws/