【第二回】アソシエーション分析：購買分析からレコメンデーション応用まで
購買分析に効く！アソシエーション分析 第一回では、人工知能プログラミングの概要から入りました。今回は二回目であり、具体論の初回ということで、皆さんが日々の生活で少なからずお世話になっているであろう身近なデータを扱うことで、機械学習に対する親近感を持っていただけたらと考えて、まずはコンビニエンスストアなど商品明細POSデータに代表されるトランザクションデータを扱っていきたいと思います。できる限り実際の状況を意識しながら、探索問題の一つであるアプリオリアルゴリズムの応用、アソシエーション分析の基礎について解説していきます。 アソシエーション分析（別名：マーケットバスケット分析）は、90年代に考案された分析手法で、代表的なものにRakesh Agrawal氏らが1993年に執筆した論文「Fast algorithms for mining association rules」 [Agrawal,
SAS、国連と共同でソーシャルメディアの分析を実施し、失業率急増の兆候や影響を発見と発表
この調査は、SASのソーシャルメディア分析ソリューション「SAS Social Media Analytics」およびテキストマイニング・ソリューション「SAS Text Miner」により、米国とアイルランドにおける約50万のブログや掲示板、ニュースサイトから抽出した2年分のソーシャルメディアデータを分析し、そこにおける発言から人々の日々の葛藤と失業率との関連を検証したものだという。 SASは、スコア化したソーシャルメディア上の「雰囲気」と会話量を、公式な雇用統計と比較し、失業に関連する話題の増加が失業率上昇の指標となっているかどうかの分析を行ったという。その結果、食料品の買い控え、公共交通機関の利用増加、グレードの低い自動車への買い替えなどに関する会話の増加が、失業率急増の前兆であることがわかったとしている。 失業率が急増した後は、旅行のキャンセル、医療費の節約、差し押さえや立ち退きと
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
