手を動かしながら学ぶ ビジネスに活かすデータマイニング

尾崎隆(著者)

• 販売会社／発売会社: 技術評論社
• 発売年月日: 2014/08/01
• JAN: 9784774166742

商品レビュー

2019/02/04

今まで読んだRのデータ分析の本の中で最も易しい本。
他の本で挫折したことがある人でも、この本であれば挫折しないんじゃないだろうか、というぐらい易しい。

関数にデータを入れてみてどう動くか体験して、解釈してみましょう、という感じの本。

2015/04/05

文字通り、一通り手を動かしながら様々なデータマイニングを試せます。テーマがビジネス向けであることと、手を動かせる工夫がされていることが、非常に価値があるように思えます。
ただし、全体的に入り口の部分の案内となっているので、深めるには別の書籍などが必要です。

2014/12/31

秋に購入したにも関わらず、全く読めてなかった著書。
銀座のデータサイエンティストというブログを投稿されている著者が、
R言語を使いながらデータ分析とはなんぞや？
を初心者でも分かるように書いてくれています。

仮説検証以外は、それほど難しい内容ではないので、
取っ掛かりとして読んでみるのは良いと思います。
また、R言語自体フリーなので、実際に手を動かしながら
読み進められるのは良いと思う。

前処理部分については触れていないので、
こんな手法があるんだってのを理解するにはお勧めです。

【勉強になったこと】
・R言語は内部構造的にif文、for文の実行が遅い。
　そのため、出来る限りapply関数など直接ベクトルや
　マトリックスに一括して同じ処理を当てはめるような
　R固有の処理を用いるべき。

・ばらつきの重なり具合を考慮したうえで、お互いの大小を
　比べて判定するというメソッドを「仮説検定」という。

・対立仮説が全くの偶然から正しいと判定されてしまう確率を
　「有意確率」という。
　有意確率が0.05(5%)を下回っていたら、統計的に意味があると言われている。

・順位データのばらつきは生データの分布と無関係に
　どれも似たような分布になる。
　この性質を使った仮説検定をノンパラメトリック検定という。

・カイ二乗検定は外れ値に弱い。
　何故なら、正規分布に従っているという前提があるから。
　それを超越するのがノンパラメトリック検定（順位和検定）。

・回帰とは、
　ある「目的となるデータ」(売上高・利益・来客数・クリック数etc.)を
　さまざまな「独立な周辺データ」(気温・曜日・月・景況・キャンペーン
　・サイト導線・クリエイティブ広告etc.)から「説明」すること。
　前提として、
　①「独立な周辺データ」は基本的にはお互いに影響を
　　及ぼすことができない
　②「独立な周辺データ」→「目的となるデータ」なる因果関係がある

・一般的には重回帰分析が用いられるが、
　Yes/No, パーセンテージのような上限・下限が決まっている場合、
　得られる結果が歪んでしまう。
　そのような制約のあるデータに対しても重回帰分析を行えるようにしたのが、
　「一般化線形モデル(Generalized Linear Model:GLM)」

・教師あり学習の種類
　①識別モデル
　　単純パーセプトロン、ニューラルネットワーク、
　　SVM、Passive-Aggressive法
　②生成モデル
　　ナイーブベイズ分類器、ベイジアンモデリング
　③樹木モデル
　　決定木、回帰木

・SVMの特徴といえば、
　「マージン最大化」と「カーネルトリック」
　Rでは、e1071を使うのがお勧め。
　理由としては、e1071パッケージには、
　SVMのオープンライブラリとして有名なLIBSVMが実装されており、
　実はPython/Java/C++といった他のプログラミング言語と
　全く同じ内部アルゴリズムで動くようになっているから。

・アソシエーション分析の代表的な評価指標3つ
　①Support(支持度)
　　全体の中における出現率(XもYも購入)
　②Confidence(信頼度)
　　Xを購入した人がYも購入する確率
　③Lift(リフト)
　　Xを購入した人がYだけを購入した場合に比べて、
　　どれくらいYを購入してもらうことに貢献しているか？

・Aprioriアルゴリズムは米Amazon社を初め、
　さまざまなWebサービス基盤において急速に普及している
　レコメンデーションシステムの基礎アルゴリズムとして
　用いられている。

・モデルなしで、多くの変数を少ない変数に集約するのが
　主成分分析。
　モデルありで、多くの変数を共通因子にまとめるのが
　因子分析。

・一般にニューラルネットワークはさまざまなパラメータを
　チューニングすることでいかようにも分類性能を変えることが
　出来る一方で、容易にオーバーフィッティングを起こすことから
　「職人芸」的な機械学習メソッドとされていた。
　これを覆したのがDeep Learning。