ロジスティック回帰分析

説明変数の一次式をシグモイド関数で0〜1の値に変換し、ある事象が起こる確率を推定する手法。名前に回帰とあるが、確率がしきい値を超えるかどうかで2つのクラスに分ける分類に使われ、購買の有無や病気の発症の予測などに用いられる。

目的変数が「購入する／しない」のような2値のときに、説明変数から事象の起こる確率を推定する回帰分析。説明変数の線形結合をロジスティック関数（シグモイド関数）で0〜1の値に変換し、回帰係数はオッズ比として解釈できる。機械学習では、分類の基本的なモデルとして使われる。

説明変数の一次式をシグモイド関数で0から1の値に変換し、ある事象が起きる確率を予測する手法。名前に回帰とあるが、主に購入するか否か、合格か不合格かといった2値の分類に使われ、確率がしきい値を超えるかでクラスを判定する。係数から各変数の影響の大きさを解釈しやすい。

類似性に基づいてデータを複数のグループ（クラスター）に分類する分析手法。顧客セグメンテーションや市場分析などに活用される。教師なし学習の代表的な手法。

事前分布・事後分布といった確率に関する考え方に基づいて体系化された統計理論。機械学習や迷惑メールフィルターなどに利用され、新たなデータを得るたびに確率を更新していく特徴がある。

企業の内部環境（Strength：強み、Weakness：弱み）と外部環境（Opportunity：機会、Threat：脅威）を4象限で整理し、戦略策定に活用するフレームワーク。情報戦略の実現度合いの確認や事業戦略の策定において、現状把握と戦略方向性の導出に用いられる。

マイケル・ポーターが提唱した、業界の競争環境を5つの力（新規参入の脅威、代替品の脅威、買い手の交渉力、売り手の交渉力、既存競合間の敵対関係）で分析するフレームワーク。

市場・顧客（Customer）、競合（Competitor）、自社（Company）の3つの視点から事業環境を分析するフレームワーク。大前研一が提唱し、戦略立案の基礎分析として広く活用される。

企業活動を、五つの主活動（購買物流、製造、出荷物流、販売・マーケティング、サービス）と四つの支援活動（全般管理、人事・労務管理、技術開発、調達活動）に区分し、企業の競争優位の源泉を分析するフレームワーク。