LAIT / SERVICE & METHOD

結果の数字を、計算過程まで公開する。

YDKのLAITは、架空の40週データを使い、前週値と線形モデルを8週で比較した再計算可能な分析デモを公開しています。

この記録は説明用の架空データによる計算です。顧客案件、実売上、導入効果を表していません。データ・コード・検証条件を一緒に示す、LAITの説明方法を体験できます。

執筆・編集：YDK合同会社公開・更新：2026-09-07

何を、どの条件で比べたか

YDKが実行したデモの条件
項目	条件
データ	架空の売上指数40週。通貨・実売上ではない
学習	第1〜32週だけで係数を計算
検証	第33〜40週の8件、各週の1週先予測
基準	各予測時点で分かる前週の実測値を使う
モデル	切片・週番号・事前に分かる販促予定の線形回帰
再現性	Python標準ライブラリ、乱数seed 20260907、入力CSVを公開

架空データは時間の傾向と販促効果を含むように生成しました。この構造はモデルに有利な条件です。前週値は各週の予測時点で利用できる値だけを使い、学習済み係数は検証8週の間は固定しています。

架空データ8週の検証値
方式	MAE（架空指数）	WAPE
前週値	9.59	5.14%
線形モデル	3.78	2.03%

架空データの検証結果：第33〜40週
週	実際の架空指数	線形モデルの予測	前週値の予測
33	179.86	173.82	178.25
34	174.17	175.41	179.86
35	191.43	196.23	174.17
36	177.98	178.59	191.43
37	188.42	180.18	177.98
38	186.72	181.77	188.42
39	184.04	183.36	186.72
40	207.89	204.18	184.04

MAEは予測と実際の値の絶対差の平均、WAPEは絶対差の合計を実際の値の合計で割った値です。表示した小数第2位までの予測値から計算しています。8件・1系列だけの結果から、一般的な優位性や企業への導入効果は結論づけません。

Python 3で python forecast-demo.py を実行すると、同じフォルダにCSVとJSONが出力されます。追加パッケージ、外部API、顧客ファイルは不要です。

売上予測モデルの評価方法では、この確認手順を業務の判断へつなげます。許諾・対象・期間・測定条件がそろった実案件の事例は、今後別に公開します。

これはLAITの顧客導入実績ですか？

顧客導入実績ではありません。YDKがこのサイト用に作成・実行した架空データの分析デモです。

自社でも同じ誤差になりますか？

同じ結果になるとは限りません。データの分布、予測する期間、入力情報、業務上の条件が変われば結果も変わります。