データマイニングの事例紹介
データベース・マーケティングの分野では、大量のデータの中から各種手法を使って隠れた法則を見つけ出す「データマイニング」が注目されています。 本稿では、このデータマイニングの一端に触れていただくため、その手法の一つである「決定木」の適用例を見てみることにします。具体的には、雑誌の購買勧誘のためのダイレクトメール（DM）のレスポンス率（回答率）を向上させた事例をご紹介します。 . １．分析の概要 まず、データとして、年齢、性別、子供の有無、所得、銀行カードの有無、家族数、職業といった属性情報を含む個人情報データベースが用意されているところからスタートします。次に、この中から、無作為に何人かを抜き出してＤＭを発送し、レスポンスがあったか否かの結果情報をデータベースに追加します。
決定木の学習
図1は、車の人気を決定する規則を決定木 により生成した例である。決定木から「赤い車」と「白くて丸い車」の人気が 高く、それ以外は人気が低いこと、車内の広さは人気に影響しないがわかる。 ただし、この規則は事例A〜Hを正しく説明する仮説に過ぎず、新奇事例(e.g. 「中程度の広さで角ばった赤い車」)に対する予測が正しいという保証はない。 特に事例に特化し過ぎた木を学習すると、新奇事例を正しく予測できない過学 習を起こすことがある。 決定木の典型的な学習アルゴリズムの概略を以下に示す。 各属性に関して事例を分割してみる。 定められた評価基準の下で、最適な分割となる属性を選択し、その属性 により事例を分割する(選択されなかった属性による分割は破棄する)。 分割された事例の各部分集合に対して、それらが単一のカテゴリの事例 で構成されるようになるまで、(1)以下を繰り返す。 事例を正しく説明する決定木
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
http://musashi.osdn.jp/tutorial/mining/xtclassify/model.html
