回帰
数値ターゲットを予測します。Train Ratio、Standardize、評価指標を調整できます。
どの分析を選ぶかを整理する
DataCello では現在 7 種類の分析を扱えます。迷ったら「何を予測・比較・要約したいか」から選んでください。
| 分析 | 向いている場面 | 主に必要な列 | 補足 |
|---|---|---|---|
| 回帰 | 売上やスコアなど数値を予測したい | 数値の Target、説明変数の Features | 現在のモデルは線形回帰です |
| 分類 | 成約 / 非成約のようなクラスを予測したい | カテゴリ Target、Features | 現在のモデルはロジスティック回帰です |
| 仮説検定 | 群間差があるかを確かめたい | 数値列、必要に応じて Grouping 列 | t 検定、ANOVA などを選べます |
| K-means | 似た傾向のデータをまとめたい | 数値 Features | クラスタ数を指定します |
| 時系列予測 | 日付列を使って今後の値を予測したい | Date 列、Target 列 | 予測期間を指定します |
| PCA | 多変量データの構造を圧縮して見たい | 数値 Features | 主成分数を指定します |
| 生存時間分析 | イベント発生までの時間を分析したい | Time 列、Event 列 | Kaplan-Meier / Cox を選べます |
分類
カテゴリ分類向けです。Accuracy や AUC を見ながらモデルを比較できます。
仮説検定
グループ比較に向いています。Grouping 列が必要になるケースが多いです。
K-means
事前ラベルなしでデータを分けたいときに使います。クラスタ数が分析の鍵です。
時系列予測
日付列が正しく判定されているかが重要です。予測期間は短めから試してください。
PCA / 生存時間分析
PCA は構造把握、生存時間分析は時間とイベントの関係を見る用途に向きます。
Selection Rule
迷ったときの選び方
- 目的変数が数値なら回帰を検討する
- 目的変数がカテゴリなら分類を検討する
- 群間差の確認なら仮説検定を選ぶ
- ラベルがなく構造だけ見たいなら K-means か PCA を選ぶ
- 時間経過を含む将来予測なら時系列予測を使う
- イベント発生までの時間がテーマなら生存時間分析を使う