データマイニングの基本手法

「まずは何が知りたいのかを知る」データマイニングとは、大量のデータから何らかの法則性を発見するために実施します。
そのデータ分析の目的によって様々な手法が存在するため、まず、自分たちがどのような問題を解決するために、データマイニングを行うかを明確にします。具体的には次のような問題に使います。

・分類
例：家族連れ、男性、女性などの属性にグループ分けする

・連関
例：チョコレートを買う人と、牛乳を買う人の関連性を知りたい。

・判別
例：BMIが25を超えると肥満といえるだろう。（分類と似ているが、判別はデータ解析をすることによって、グループが判明する）

・予測
例：来月の売り上げを過去のデータから予測する。

データマイニングを実施する目的が決まりましたら、用いる手法も決まります。
データマイニングで用いられる多くの手法が、統計解析で用いられていた手法であり、データマイニングでも多くは有用となっております。

下記がよく用いられる代表的な手法となります。

・分類のための手法
クラスター分析
主成分分析
コレスポンデンス分析
ニューラルネットワーク

・連関のための手法
マーケットバスケット分析
時系列パターン分析
類似時系列パターン分析
主成分分析
コレスポンデンス分析

・判別のための手法
ロジスティック回帰分析
決定木（分類の木）
線形判別関数分析
ニューラルネットワーク

・予測の為の手法
回帰分析
非線形回帰分析
決定木（回帰の木）
ニューラルネットワーク

・データの視覚化の外れ値摘出のための手法
ヒストグラム
箱ひげ図
散布図
折れ線グラフ

決定木分析
例：傘の決定木

天気予報
傘必要なし
降水確率
晴れ
雨
30%
90%
大き目の傘をもっていく
折りたたみ傘で十分

上記の回帰分析や決定木分析は、基本的な統計解析の分野でも頻繁に行われています。

これらの分析手法を組み合わせることによって、データマイニングを行います。

参考文献
[1] 内田　治：「例解　データマイニング入門」日本経済新聞社, 2002
[2] 岡嶋　裕史：「数式を使わないデータマイニング入門　隠れた法則を発見する」光文社,2006