モデル化の前にデータ検査
欠損値、外れ値、単位の不一致、群間のサンプル数の偏りを先に洗い出します。ここを飛ばすと、精緻なモデルほど自信を持って誤ります。
データ検査、統計モデル、図表、解釈まで、再確認できる分析過程を作ります。
AI にデータ分析を任せるときの懸念は共通しています。数値は出たが、その数値がどこから来たのか、正しいのかを確かめられない。過程を伴わない結論は、論文にも報告書にも使えません。
リサーチエージェントは分析をコードとして書き、実際に実行します。スクリプトを書き、データに対して走らせ、出力を読み、問題を見つけて修正し、通るまで繰り返します。結論だけでなくコード、中間出力、図表が手元に残り、どの段階も自分で再実行して確認できます。
欠損値、外れ値、単位の不一致、群間のサンプル数の偏りを先に洗い出します。ここを飛ばすと、精緻なモデルほど自信を持って誤ります。
すべての統計量は実際に実行されたコードの出力です。スクリプトと実行ログも併せて納品されます。
エラーや明らかに不自然な結果が出た場合、原因を特定して修正し再実行します。誤った結果をそのまま答えとして提出しません。
軸、凡例、単位、誤差範囲を備えた図を出力し、そのまま論文や報告書に使えます。
数値の出どころが違います。前者は言語モデルがもっともらしい数値を生成しますが、ここでは実データに対してコードが実行され、そのコードと中間出力を受け取って自分で再実行できます。
Excel や CSV など一般的な表形式に対応し、複数の表をまとめて結合分析できます。
使われません。アップロードされたデータはその分析タスクの遂行にのみ使用されます。