ネットイヤーグループ株式会社
Home / サービス / データ分析・効果測定 / 仕事の合間に! 3分間データマイニング入門第3回 マーケティングに活用できるデータマイニング手法 データマイニングには、さまざまな手法があります。数多くある手法の中から、マーケティングにおすすめの解析方法をご紹介します。もちろん、それぞれが「予測」「分類」「関連性」のいずれかにあてはまります。 【予測】ロジスティック回帰分析 ―― YESとNOから、発生する確率を予測する YESとNOを明確に定義できるものの予測に向いている手法が、発生確率を予測するロジスティック回帰分析です。 商品購入を促すダイレクトメールの送付を例にとってみましょう。DMがきっかけで「購入する」を1（100％）、「購入しない」をゼロ（0％）と定義すると、DM送付者1人単位の購入の確率を算出することができます。確率が高い順番にDMを送付すれば、ランダムに送付するとき以
データ分析がしたい
機械学習の勉強や新しいアルゴリズムのテストをする場合、irisなどのシステム組み込みのサンプルデータを利用するか、UCIリポジトリなどのネット上の公開データから良さげなものを探すというのが一般的だと思います。 しかしながら、irisなどの組み込みデータは一般にデータ数が少なく、分類問題として物足りなかったり、ネット上の公開データを利用するにしても適当なデータ数や特徴量数、問題設定や難度のデータを探すのが難しいですし、前処理が必要なデータも多く手軽に使えるサンプルデータとなると中々見つけられないといったことがあるかと思います。 そういった場合、適当なデータ数や難しさのデータを自分で生成して利用すると、後の計算コスト評価や機械学習アルゴリズムの理解において色々と便利です。 サンプルデータの作り方としては、何らかの統計モデルに基づいて作る方法もありますが、データの質にこだわらないのであればsci
Subgroup DiscoveryとPython Orangeで遊んでいた
Machine Learning Advent Calendar 2013の一環で書いてます．動かしてみるつもりだったんですが，諸般の事情で動かなかったものもあったりして・・・．機械学習関係で比較的メジャーなタスクは分類と回帰だと思うのですが，RのEcdatパッケージに含まれているHousing data(data(Housing)で使う)を線形回帰してみます． 入力 出力(回帰直線を重ねたもの) わーい嬉しい．まぁ細かいところを見てみたらこのデータに線形回帰を突っ込むのがそもそもどうなのか，という問題はありますが，別に2次の項を入れた曲線で近似したところでどうこうなる問題でもないでしょう．そこで，結局横軸(x: lotsize)と縦軸(y: price)がダメなんでしょ？という話を考えたい．いえ，別に積極的に考えたくはないのですが．あと問題にもよりますが． なんとなく線形回帰ダメっぽいと
プログラマーに最適なデータマイニングの教科書 『集合知プログラミング』 - 図書館情報学を学ぶ
集合知プログラミング 作者: Toby Segaran,當山仁健,鴨澤眞夫出版社/メーカー: オライリージャパン発売日: 2008/07/25メディア: 大型本購入: 91人 クリック: 2,220回この商品を含むブログ (277件) を見る当初はサンプルコードがPythonということで購入した本書ですが、読んでみると内容の素晴らしさに驚嘆しました。私が今までに読んだオライリーシリーズでも屈指の名作だと思います。 『集合知プログラミング』とは 『集合知プログラミング』は、Amazonの協調フィルタリングのように、ウェブ上のデータを収集してユーザーの嗜好にあったコンテンツを推薦したり、大量のデータを分かりやすく分類・可視化するプログラムを簡単に実装する技術を解説した書籍です。Webプログラミングをかじったことのある方でしたら、だれしもAmazonのような推薦サービスを作ってみたいと思ったこと
協調フィルタリング技術を掘り下げる--ECサイトのレコメンド技術を考える（3）
印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます 前回は、ECサイトのレコメンド技術の種類として、ルールベース方式、コンテンツベースフィルタリング方式、協調フィルタリング方式、ベイジアンネットワーク方式の4つを紹介した。今回は、これらのレコメンド方式をより細分化した上で、協調フィルタリングのロジックについて解説したい。 4つのレコメンド方式は、「レコメンドするために必要な情報は何なのか」、「何をもってレコメンドするためのルールとするか」という切り口で分類していると解説した。それぞれのレコメンド方式は、さらに「どの判別属性を軸にレコメンドアイテムを決定しているのか」という切り口によって細分化できる。その判別属性とは、アイテムベース、ユーザーベース、ユーザー提示情報ベースの3つだ。 例えば
計量経済学は衰退しました - himaginary’s diary
最近流行りのデータマイニングの手法を経済モデルに応用した事例は無いのか、とふと思い立ってぐぐってみたところ、この論文が引っ掛かった。以下はその要旨。 This paper examines the efficacy of the general-to-specific modeling approach associated with the LSE school of econometrics using a simulation framework. A mechanical algorithm is developed which mimics some aspects of the search procedures used by LSE practitioners. The algorithm is tested using 1000 replications of each
データマイニング の簡単な解説
データマイニング データマイニングとは、データの集合の中から、知識を発見しよう、というものです。ここでいう知識とは、データの中に見られるルールとか法則のことです。最近データマイニングの紹介でよく使われるものに、ビールと紙おむつという言葉があります。これは、スーパーでで客の買った物を分析したら、紙おむつを買う人はビールを買うことが多い、という傾向が出てきた、ということです。この、「紙おむつを買う人はビールを買うことが多い」というのがある種の知識なのです。このような知識をデータの中から機械的に、自動的に見つけよう、というのがデータマイニングです。 この、ビールと紙おむつのような関係でしたら、単純にお客さんの買い物リストのデータを見るだけで、発見できます。しかし、例えば、5000円以上の買い物をしてくれる人は、ビールと紙おむつを買うか、トイレットペーパーとティシュペーパーと洗剤を買う（あくまで適
2100万会員モバゲータウンはデータマイニングの宝の山｜【Tech総研】
蓄積された大量のデータを分析し、隠れた事象や法則を発見していく技法、データマイニング。会員数2100万を超えるモバゲータウンを運営するDeNAは、サービス向上や開発に高度なデータマイニングを使うことで、ソーシャルゲームの世界展開を目指すという。 ソーシャルゲームのトップシェアを握るディー・エヌ・エー（DeNA）。主力である「モバゲータウン」（以下、モバゲー）は今日、ユーザーアカウント数2100万人超、1日のアクション数（ページビュー数）は実に20億超に達する巨大な仮想コミュニティ空間に成長した。DeNAは今、日本最大級の規模に成長したモバゲーを舞台として、ある新たな技術的挑戦を始めている。 「われわれがチャレンジしているその技術とは、データマイニングです」 こう語るのは、ソーシャルメディア事業本部ソーシャルゲーム統括部のグループリーダーを務める山田憲晋氏。モバゲーのソーシャルゲームを開発す
第９回 データマイニング+WEB 勉強会＠東京 ( #TokyoWebmining #9) −2nd Week−方法論・ソーシャル祭り− を開催しました - hamadakoichi blog
2011/01/23 "第９回 データマイニング+WEB 勉強会＠東京−2nd Week−方法論・ソーシャル祭り−"を開催しました。 第９回 データマイニング+WEB 勉強会＠東京 ( TokyoWebmining 9)−2ndW−方法論・ソーシャル祭り−: ATND Google グループ ※会場参加者ID写真（id:bob3 さんに感謝) 1st Week内容まとめ： 第９回 データマイニング+WEB 勉強会＠東京 ( #TokyoWebmining #9) −1st Week− 大規模解析・機械学習・クオンツ 祭り− を開催しました - hamadakoichi blog 会場提供し運営を手伝って下さった ニフティ株式会社 のみなさん、どうもありがとうございました。素敵なトークを提供してくれた講師メンバーに感謝します。会場参加、USTREAM参加ともに多くの方々の参加を嬉しく思ってい
第５回 データマイニング+WEB 勉強会＠東京 (Tokyo.Webmining#5) −WEB解析・最適化祭り−を開催しました - hamadakoichi blog
2010/06/20 "第５回 データマイニング+WEB 勉強会＠東京"を開催しました。 第５回 データマイニング+WEB 勉強会＠東京 (Tokyo.Webmining#5)−WEB解析・最適化祭り−: ATND Google グループ 会場写真（id:bob3 さんに感謝) 会場提供して下さった ニフティ株式会社 のみなさん、どうもありがとうございました。素敵なトークを提供してくれた id:gogokarubi さん、id:yanashi さん、yanaoki さん、 id:bob3 さん、takenobtabi さん、 ohsada さん、id:yokkuns さん、 lumin さん、 id:rti7743 さん、 id:isogaya さん、bm さん、感謝しております。今後も「データマイニング+WEB 勉強会＠東京」を、講師、参加者、双方にとってよりよい会としていきたいと思いま
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
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
データマイニング｜データマイニングサービス展開例｜株式会社ブレインパッド
データマイニング事業を展開している日本の企業まとめ - なんじゃくにっき