手法

フィードフォワード多層パーセプトロンは、標準化された経験とスキルに加え、ワンホットエンコーディングされた教育、役割、部署を使用しています。隠れ層にはReLUまたはtanhが使用され、給与回帰出力は線形です。MSE勾配は連鎖律によって計算され、AdamまたはミニバッチSGDで最適化されます。

固定シードによるシャッフルで20%をテスト用に確保しています。検証データは、トレーニングシードを使用して残りのレコードから抽出されます。数値スケーリング、カテゴリカルな語彙、およびターゲットの標準化は、トレーニングデータのみで適合されます。未知のカテゴリには明示的な未知スロットが使用されます。テストデータは最終エポックの後にのみ評価されます。アーティファクトには、重み、バイアス、前処理、設定、および評価結果がまとめて保存されます。

再現性とリーク防止

データの出所

最初の480件のレコードは、シード値2026で生成された再現可能な合成例です。これらは実際の従業員の給与ではなく、市場妥当性を主張するものではありません。合成ジェネレーターは学習用データセットを定義しますが、予測は常に学習済みANNから行われ、ジェネレーターから行われることはありません。ユーザーがCSVをアップロードするとデモデータに置き換わり、「未検証」としてマークされます。

制限事項と意図された用途

教育的な探索のみを目的としています。採用、報酬決定、または雇用審査には使用しないでください。公平性の監査、因果的な特徴量属性、信頼区間、または外部検証は提供されていません。給与の出力は負の値や不自然な値になる可能性があり、自動的にクリップされることはありません。保護属性は予測特徴量ではありません。カテゴリーには依然として社会的なバイアスが含まれている可能性があります。

アクティブなモデルと最大6つのバージョンサマリーがユーザーごとに保存されます。予測はリクエストがあった場合のみ、最大500レコードまで保存されます。データセットが変更されると、アクティブなモデルは無効になります。保存されたアーティファクトはロード前に検証されます。ストレージエラーは報告されますが、現在のセッションは引き続き利用可能です。このブラウザ版ではサーバーやデータベースは提供されません。

アーティファクトとストレージ

検証プロセス

エンジンはトレーニング前に数値勾配を有限差分でチェックします。トレーニングでは非有限の損失は拒否されます。メトリクスは、ホールドアウトされたテストデータを用いて、元の年収単位で計算されます。これは、独立して実行される完全な自動テストスイートや本番環境のセキュリティレビューに代わるものではありません。