サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
iPhone 16
bdm.dga.co.jp
こんにちは。ビッグデータマガジンの廣野です。「使ってみたくなる統計」シリーズ、第5回目は時系列データの分析です。 今回のテーマである時系列データの分析ですが、どんなデータに対しても使える手法ではありません。これまでに学んだ「相関分析」や「クラスター分析」なども、それぞれに分析手法を適用できるデータには制限がありましたが、時系列データの分析では“時間の経過に沿って記録された”データが対象になります。 「それって、どんなデータもそうなんじゃないの?」と思った方は、チャンスです。ぜひこの記事を最初から読んでいただき、時系列データそのものの理解から始めてください。 時系列データの分析手法はたくさん存在し、エクセル上で四則演算するだけのものから、複雑な多変量解析まで様々です。奥深い時系列データ分析の世界の中でも、前編である今回は基礎的なことについてご紹介したいと思います。 ■そもそも時系列データとは
こんにちは。ビッグデータマガジンの廣野です。 「使ってみたくなる統計」シリーズ、第4回目は主成分分析です。 前回のクラスター分析は、多数のデータを「グループ分け」して全体の見通しを良くする方法でしたが、主成分分析も似たような目的で利用します。多数のデータを「縮約」して、全体の見通しを良くするのです。 ビッグデータは“多変量”が当たり前ですから、たくさんのデータ項目(変数)を横断的に見て解釈することが求められます。このような時、情報の損失を最小限にしつつ、できるだけ少ない変数に置き換えて見ることができる主成分分析は、たいへん有効な手法と言えます。 ぜひ今回の記事で概要を理解していただき、皆さんの“データ分析の道具箱”に入れておいていただければと思います。 ■そもそも主成分分析とは? 先ほど「縮約」と書きましたが、そもそも主成分分析は何をする手法なのでしょうか。 前回のクラスター分析は、大量の
こんにちは。ビッグデータマガジンの廣野です。 「使ってみたくなる統計」シリーズ、第3回目はクラスター分析です。 前回まではデータ間の相関関係を発見する方法でしたが、このクラスター分析は目的が異なり、データ全体をグループ分けする方法です。データの見通しをよくする方法とも言えるでしょう。 巨大なデータを人間がていねいに目で見て傾向を読み解く、というのは(特にビッグなデータであれば)無理があります。このような時、データの傾向をもとに客観的にグループ分けしていけば、データの傾向や特徴が把握しやすくなります。場合によっては、事前にまったく想定していなかったような事実が発見できるかも知れません。 このようなメリットがあるため、クラスター分析はビッグデータが注目される前から、さまざまな領域で利用されてきました。 今回はこの便利な分析手法について、理解を深めていただければと思います。 ■そもそもクラスター
こんにちは。ビッグデータマガジンの廣野です。 「使ってみたくなる統計」シリーズ、第2回目はアソシエーション分析です。 前回も名前だけは登場していましたが、念のため前回の話をおさらいすると、相関(英語ではcorrelation)ではなく、「商品Aを買っている人の65%が商品Bも買っている」という関連(英語ではassociation)を分析する手法です。 データマイニングの代表的な手法で、他にも「マーケット・バスケット分析」と呼ばれたりもしますが、ここで言う「バスケット」とは買い物カゴを意味しています。Amazon.comのようなECサイトで“買い物かご(バスケット)に入れた”ときのログデータを分析することから、このような名前で呼ばれることがあります。 ビッグデータの利活用で「データ間の相関関係を発見する」と言うとき、このアソシエーション分析を指していることが多いようです。良く知られた分析手法
このページを最初にブックマークしてみませんか?
『~ナビタイムが首都高小松川JCTにおけるビックデータを用いた開通効果分析を発表~...』の新着エントリーを見る
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