固定ホライズンのラベルは、なぜ筋が悪いのか——トリプルバリア法という選択肢
以前、検証が嘘をつくパターンについて連載を書きました。あの連載は「検証をどう壊さないか」がテーマでしたが、今回は一歩手前の話です。そもそも、何を予測させるか——ラベル設計について書きます。 ラベルは、検証がどれだけ正しくても、設計そのものが悪ければ意味のあるモデルにはなりません。そして、この設計は驚くほど雑になりがちです。 一番よくある設計：固定ホライズンのリターン もっとも素朴なラベルは、こういう形です。 # 「この先20本後の価格が今より上がっているか」を予測する df["label"] = (df["close"].shift(-20) > df["close"]).as...
出典: Zenn AI（配信元の紹介文より引用）
このニュースの全文は、配信元でお読みいただけます。 Zenn AIで元記事を読む →
この話題に関連する、TOEの実践・観測記録
AIに記事を108本書かせようとしたら、21本中20本に誤りがあった — 修正70箇所の内訳
弊社がAIに記事の量産をさせ、完成した21本を全件検証した実測記録です。誤りが1つも無かったのは1本だけ、修正は70箇所を超えました。AIの間違い方には型があります。あなたの会社がAIにブログや提案書を書かせるとき、人間が何を確認すべきかまで書きました。
続きを読む →
AEOとは何か？ SEOと何が違い、AI検索時代に何をすればいいのか
ChatGPTやPerplexityが答えの中で自社を「出典」として挙げるように働きかけるのがAEOです。従来のSEO（検索順位を上げる）と何が違い、いま何をすべきかを、確認できる範囲だけで整理します。効果の数値は測っていないものは書きません。
続きを読む →
社内文書をAIに覚えさせて、問い合わせ返信の下書きを作らせる手順
規程やFAQ、過去の返信を都度貼り付けるのは面倒です。ChatGPTやClaudeの「プロジェクト」機能に社内文書を一度入れておき、問い合わせ返信の下書きを作らせる手順を、中小企業がそのまま再現できる形でまとめます。機密の扱いと、人の確認が必ず要る理由も正直に書きます。
続きを読む →