Predictive Analysisの生データ - ダミーを視覚化する方法

図は、特に予測分析データを適切に処理しようとしているときには、1000語の価値があります。前処理ステップでは、データを準備している間、次のステップに進む前に、自分が持っているものを視覚化するのが一般的な方法です。

Microsoft Excelなどのスプレッドシートを使用して、候補データ フィーチャー （ 属性 とも呼ばれる）で構成されるデータマトリックスを作成します。いくつかのビジネスインテリジェンスソフトウェアパッケージ（Tableauなど）は、分析を適用しようとしているデータの予備的な概要を提供します。

<！表形式のビジュアライゼーションを予測分析に使用する方法

表は、データの最も簡単で基本的な図表現です。表（スプレッドシート

とも呼ばれます）は、行と列で構成されています。これは、データを構成する際に前述したオブジェクトとその属性にそれぞれ対応しています。たとえば、オンラインソーシャルネットワークデータを考えてみましょう。データオブジェクトはユーザを表すことができます。ユーザー（データオブジェクト）の属性は、ジェンダー、郵便番号、生年月日の列の見出しにすることができます。 <！ - 2 - > 表のセルは値を表します。表のビジュアライゼーションは、データオブジェクトの欠落した属性値を簡単に見つけ出すのに役立ちます。表は、他の属性の組み合わせである新しい属性を追加する柔軟性も提供することができる。たとえば、ソーシャルネットワークデータでは、Ageという別の列を追加することができます。これは、派生した属性として既存の生年月日属性から簡単に計算できます。テーブルソーシャルネットワークデータには、別の既存の列（生年月日）から作成された新しい列Ageが表示されます。

<！ - 9 - >

棒グラフは予測分析に使用されます。

棒グラフは、データのスパイクや異常を検出するために使用できます。各属性に使用すると、最小値と最大値をすばやく表示できます。棒グラフを使用して、データを正規化する方法の説明を開始することもできます。

正規化

は、データをより使いやすくするスケールの一部またはすべての属性値の調整です。たとえば、データにエラーがあることを簡単に確認することができます。あるレコードの年齢バーは負の値です。その異常は、データ表よりも棒グラフでより簡単に示されます。

予測分析のための円グラフの基本

円グラフは、主にパーセンテージを表示するために使用されます。彼らは簡単にいくつかのアイテムの分布を説明することができ、最も支配的であることを強調します。ソーシャルネットワークの生データは、Age属性に従って表されます。このグラフには男性対女性の明確な分布だけでなく、データ収集時に作成される可能性のある性別タイプの値としてのRも示されていることに注意してください。 グラフグラフを予測分析に使用する方法

グラフ理論は、構造化され、グラフとして表されたデータを分析できる強力なアルゴリズムのセットを提供します。コンピュータ科学では、

グラフ

はデータ構造であり、データオブジェクトのペア間の関係を表すデータを編成する方法です。グラフは2つの主要な部分で構成されています：

頂点（ノード とも呼ばれます） エッジのペアを接続するエッジ

• エッジは方向付けられます（矢印として描かれます）。 2つのノード（円）の間にエッジ（矢印）を配置することができます - この場合、ソーシャルネットワークのメンバーは友達として他のメンバーに接続しています： 矢印の方向は、 、または誰がほとんどの時間に相互作用を開始するかを示します。

• 予測分析のための単語雲の基礎

単語雲または

として分類された単語または概念のリストを考えよう - 各単語のサイズを比例的に示す、リスト上のすべての単語のグラフィック表示指定したメトリックに変更します。たとえば、単語と出現のスプレッドシートがあり、最も重要な単語を特定したい場合は、単語の雲を試してみてください。

ほとんどの組織のデータがテキストなので、ワードクラウドが機能します。一般的な例は、Twitterがトレンド用語を使用することです。この表現のすべての用語は、その相対的重要性の指標としてサイズに影響を与える重みを持ちます。

その重みを定義する1つの方法は、単語がデータコレクションに現れる回数である可能性があります。単語が頻繁に出現するほど、その重さは「重く」なり、クラウドには大きく表示されます。 予測分析のために鳥の表現を使用する方法 一般的な自然の集まり行動は、オブジェクト（特に生き物）が（a）彼らが属する環境に応じて行動する傾向がある自己組織化システムであり、 （b）既存の他の物体に対するそれらの応答。ミツバチ、ハエ、魚、アリのような自然界の集団行動、つまりその人のための集団行動は

群知能

とも呼ばれます。

鳥は群れとして行動するとき自然な規則に従います。群れ

は互いにある距離をおいて位置する鳥類である。それらの鳥は類似しているとみなされます。各鳥は、群れ行動を整理する3つの主要な規則に従って動く。 分離： 群れ同士が衝突してはならない。

Alignment： 群れは、隣人と同じ平均的な方向に動く。結束： 群れの仲間の平均的な位置または場所に従って群れが動く。これらの3つのルールをモデル化することにより、解析システムは植毛行動をシミュレートすることができる。鳥の群れの自然な振る舞いを使って、簡単なスプレッドシートを視覚化することができます。キーは、類似性の概念をデータの一部として定義することです。いくつかの質問から始めましょう。

• データ内の2つのデータオブジェクトが似ているのは何ですか？ どの属性が2つのデータレコード間の類似性を最大限に引き出すことができますか？例えば、ソーシャルネットワークデータでは、データレコードは個々のユーザを表す。それらを記述する属性には、年齢、郵便番号、関係ステータス、友人のリスト、友人の数、習慣、イベント