デシジョンツリー

条件分岐をツリー状に表現し、各選択肢の結果や確率を視覚的に示す意思決定支援手法。複数の選択肢から最適な判断を行う場合や、データ分類の機械学習アルゴリズムとしても使われる。

データの特徴量や条件に基づいて分岐を木構造で表現し、分類・回帰・意思決定を行う手法。結果の解釈が容易で可視化しやすい。機械学習ではランダムフォレストの基礎となり、意思決定分析では期待値やリスクの評価に用いられる。

特徴量に基づく条件分岐を木構造で表現し、分類や回帰を行う機械学習手法。情報利得やジニ不純度を基準にノードを分割する。解釈性が高く、ランダムフォレストや勾配ブースティングの基礎となる。

現実の事象やシステムをモデル化し、コンピュータ上で模擬的に再現して分析する手法。モンテカルロ法などを用いて、複雑な問題の結果予測やリスク評価を行う。

主に言語データを整理・分析するための7つの手法の総称。親和図法、連関図法、系統図法、マトリックス図法、アローダイアグラム、PDPC法、マトリックスデータ解析法で構成される。

複数の専門家に対してアンケートを繰り返し行い、意見を収束させていく予測手法。各回のアンケート結果を集約してフィードバックし、匿名性を保ちながら合意形成を図る。

人間の判断や意思決定において、経験や先入観によって生じる系統的な思考の偏り。確証バイアス、アンカリング効果、バンドワゴン効果などの種類があり、合理的な判断を妨げる要因となる。

観察（Observe）、情勢判断（Orient）、意思決定（Decide）、行動（Act）の4段階で迅速な意思決定を行うフレームワーク。PDCAよりも変化の激しい状況での素早い対応に適している。

実体（エンティティ）を矩形、関連（リレーションシップ）をひし形、属性（アトリビュート）を楕円で表現し、データ間の構造と関連を視覚的に示す図法。カーディナリティ（1対1、1対多、多対多）も表記する。データベースの概念設計や要件定義に用いられる。