決定木 – 分類木 | トライフィールズ
決定木とは、分類ルールを木構造で表したものである。分類したいデータを目的変数（従属変数）、分類するために用いるデータを説明変数（独立変数）という。目的変数がカテゴリデータなどの場合は「分類木」、連続値などの量的データの場合は「回帰木」と呼ばれる。 決定木の最大のメリットは、結果にグラフを用いることができるため、視覚的に確認できることである。 ここでは、R言語の「rpart」パッケージを用いて決定木について見ていこう。サンプルデータとして、Rに標準で含まれている「Titanic」を使わせていただいた。このサンプルデータはタイタニック号の乗客の属性情報と生死の情報が含まれている。生死を分けた要因を属性情報から分類するとどのようになるのかを見ていく。 まずは必要となるパッケージのインストールとロードを行う。「rpart」パッケージは決定木を行うためのものだが、「rpart.plot」と「part
分析裏話 第2回 ”決定木”という選択肢
『”決定木”という選択肢』 - 村山 幹朗 前回のコラムでは、セグメンテーション手法として、一般的に使われる因子分析、クラスター分析には問題がある事について取り上げました。また、その問題を避けるためのセグメンテーション手法、決定木について朝野先生に取り上げて頂きました。市場調査クリニックでは、決定木を用いたセグメンテーション手法として「ACAT」という手法についても掲載していますが、今回の分析裏話では、単純集計によるセグメンテーションと、決定木を用いたセグメンテーションの違いについて、より詳しく取り上げたいと思います。 ■単純集計で良いのか？ 消費者の行動にセグメント間で明確な違いが出る様にしたいのなら、購買意向や単価が高い人にフラグを立てて抽出し、クロス集計を切ればいいじゃないか、と思われる方もいると思います。例えば、ある製品について購買意向が高い人（”非常に買いたい”と”買いたい”のト
調査手法 | 消費者の購買行動に、”差が出る”セグメンテーション手法 -市場調査クリニック
自社商品に対する反応が明らかに高いターゲットを見つけ、「市場をどういう軸で分けていけばそのターゲットに辿り着くのか」というルールを学ぶ、タンジブルセグメンテーション。 調査会社にセグメンテーションをお願いしても、得られたセグメント間で商品に対する反応（購買行動や購買意欲）に差が出ません。差が出ないので市場についての学びがなく、ターゲットも見えてきません。どうしたらよいでしょうか？ 「これからは海外市場だ！」と言われる中、よく分からないなりに海外市場展開をしてきましたが、今後はメインターゲットをしっかり見極め、製品、流通、プロモーション戦略を本格的に固めていきたいと思っています。しかし経験上、調査会社にセグメンテーションをお願いしても、解釈できないセグメントが出てきたり、セグメント間に差が出ないので、ターゲットが見えません。もっとターゲティングに繋がるようなセグメンテーション手法は無いのです
分析裏話 第1回 そのセグメンテーション、本当に使えますか？
＞＞最新：第2回はコチラ 『そのセグメンテーション、本当に使えますか？』 - 村山 幹朗 現在様々な市場調査でセグメンテーションが行われていますが、実務で活用できるセグメントを作るのはなかなか難しいものです。 通常、企業がセグメンテーションをする上でまず知りたい事は、「どのセグメントを狙うのが良いか？」つまりターゲティングの根拠となる情報です。例えば、「このセグメントは自社製品の購買意欲や購買率、ロイヤルティやリピート率が顕著に高いから、このセグメントをターゲットにするべきだ」「じゃあ、どうやったらそのターゲットに効率的にリーチできるだろう」という様な、セグメンテーションからターゲティング戦略へ繋がるファインディングスです。 逆に、セグメンテーションしたけれど、「このセグメントは価値観がユニークで、また別のこのセグメントはライフスタイルがこんなに特徴的です。まぁ・・・御社製品への購買意欲や
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
Teradata｜Teradata Japan, Ltd. | 日本テラデータ株式会社
