WEIスコア分析レポート（Model4: xAI）

以下は、xAIアプローチに基づく分析結果です。各図とGPT-4による分析コメントを確認してください。

Isolation Forestによる個人スコアと社会スコアの異常検知

この画像は、「personal_avg」対「social_avg」をプロットした散布図です。色分けで異常データを示しています。

– **青の点 (-1)**: 異常ではない通常のデータポイント。
– **赤の点 (1)**: 異常と判定されたデータポイント。

– 横軸は「personal_avg」で、縦軸は「social_avg」を示しています。
– 複数の点がプロットされており、全体的なデータ分布の中で異常値が視覚的に認識できます。
– 赤い点はやや中央部分に集中している傾向があります。

相関関係ヒートマップ

この画像は相関行列のヒートマップで、さまざまな変数間の相関関係を示しています。以下が要点です:

1. **高い相関**:
– `id` と `related_post_id` は非常に高い相関を持ち、値は `0.98` です。
– `personal_stress` と `personal_avg` の相関は `0.82` で高いです。
– `social_avg` と `combined_wei` の相関は `0.85` で高いです。

2. **中程度の相関**:
– `personal_economic` と `personal_avg` の相関は `0.64` です。
– `personal_health` と `personal_avg` の相関は `0.68` です。
– `personal_autonomy` と `personal_avg` の相関は `0.61` です。

3. **低い相関**:
– 大半の他の変数間には低い相関がみられます。
– 特に `is_forecast` は他の変数との明確な相関がありません。

このヒートマップは、変数間の関係性を視覚的に理解するのに役立ちます。色の濃さは相関の強さを示し、赤は正の相関、青は負の相関を示しています。

時系列データのヒートマップ

この画像は「Time Series Heatmap（時系列ヒートマップ）」であり、データが時間軸に沿ってプロットされています。縦軸は様々な指標を示しており、例えば「personal_economic」「personal_health」「social_fairness」などです。横軸は評価日付（evaluation_date）を示しています。色の濃さは、各指標の値の大きさを示しており、青から赤へと変わります。青は低い値を示し、赤は高い値を示します。

画像から分かる要点は以下の通りです：

1. 多くの指標が青色で表示されており、値が低いことを示しています。
2. 「related_post_id」など一部の指標は赤色になっており、値が高いことを示しています。
3. 時系列としても、日付が進むに連れて一部の値が変化しています。

全体として、ある指標において非常に高い値が観測されていますが、他のほとんどの指標は低い値を維持していることがわかります。

PCA分析によるデータ次元削減

この画像は主成分分析（PCA）の結果を示す散布図です。横軸は第1主成分（PC1）、縦軸は第2主成分（PC2）を表しています。データポイントは縦に並んだ複数のグループに分かれており、それぞれのグループが異なる特性を持っていることを示唆しています。クラスタリングが存在する可能性があり、データの変動を調べるためにPCAが効果的に働いていることが示されています。

ワードクラウドによるキーワード頻出分析

この画像は、さまざまなキーワードを表示したワードクラウドです。主に「持続」「社会」「戦略」「改善」「強化」といった言葉が大きく表示されており、これらが主要なテーマであることが読み取れます。

他にも、「市民」「向上」「地域」「国際」などの言葉があり、社会的な改善や持続可能性、強化を図るためのキーワードが多く見られます。「エネルギー」「インフラ」「デジタル」「教育」といった技術や制度に関連する言葉も含まれており、幅広いテーマが連携して議論されていることが示唆されます。

キーワード共起ネットワーク分析

この画像は、多くの日本語の単語が円形に配置されたバブルチャートのようなビジュアライゼーションです。各バブルの大きさは、単語の重要度や頻度を示している可能性があります。大きなバブルには「技術」、「経済」、「変化」などの単語が見られ、これらがこのビジュアライゼーションで特に重要な要素であることを示唆しています。また、一見してビジュアルのテーマは社会・技術・経済に関するものであると考えられます。