2026年– date –

はじめに 機械学習の回帰モデルといえば、以下が有名です。 線形回帰 ランダムフォレスト XGBoost 一方で、ベイズ最適化を実装する場合、「ガウス過程回帰（Gaussian Process Regression：GPR）」がよく利用されます。 なぜ GPR が選ばれるのか 理由は単純...

はじめに 製造業や研究開発では、以下のような最適化が必要な場面が数多くあります。 成形条件の最適化（射出成形の金型温度、スクリュー回転数） 溶接条件の最適化（電流、加圧力、通電時間） 材料配合の最適化（添加剤の比率、焼成温度） CAE解析のパラ...

イントロダクション：「パラメータ調整の苦労」から解放される XGBoostのモデルを構築するとき、以下のような悩みを持ったことはありませんか？ 「max_depth をいくつにしよう？」 「learning_rate は 0.05？ 0.1？」 「subsample をどこまで下げるべき？...

イントロダクション：「黒い箱」の問題 XGBoostやランダムフォレストなどの機械学習モデルは、素晴らしい特性を持っています。 高精度な予測ができる 例えば、鋼板の製造条件（温度・圧力・流量）を入力すると、完成後の強度を95%の精度で予測できます。 ...

イントロダクション 近年、製造業でもデータ活用が進み、品質予測、性能予測、不良要因分析、最適条件探索などに機械学習が利用されるようになっています。 その中でも特に注目されているのが XGBoost（Extreme Gradient Boosting） です。品質予測や不良...