クラスタ分析

正解ラベルのないデータを、特徴の似たもの同士のグループ（クラスタ）に自動的に分ける教師なし学習の手法。k-means法などがあり、顧客のセグメント分けや異常の検知に使われる。あらかじめ決めた分類先に振り分ける分類とは異なり、グループは学習の結果として見いだされる。

似た特徴を持つデータ同士をグループにまとめる分析手法。あらかじめ正解を与えずに分類するため、顧客のセグメント発見などに用いられる。

正解ラベルのないデータを、特徴の似たもの同士のグループ（クラスタ）に分ける教師なし学習の手法。データを順に併合して樹形図（デンドログラム）を作る階層的手法と、k-means法のようにあらかじめ決めた数のクラスタに分ける非階層的手法がある。顧客のセグメンテーションなどに使い、得られたクラスタの意味は人間が解釈する。

教師なし学習の代表的な手法で、正解ラベルのないデータを、特徴の似たもの同士が同じグループ（クラスタ）になるように分けること。k-means法のような非階層的手法と、データを順に併合して樹形図（デンドログラム）を作る階層的手法があり、顧客の分類や異常の発見などに使われる。

目的変数が2値（有/無、成功/失敗など）の場合に、説明変数から目的変数の発生確率を推定する統計的分析手法。マーケティングにおける購買予測やリスク分析に活用される。

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。

データを条件分岐により樹形図状に分類・予測する分析手法。各ノードで属性の条件による分割を繰り返し、分類ルールを自動的に導出する。結果の解釈が容易な特徴がある。

説明変数と目的変数の関係を数式（回帰式）で表現し、予測や要因分析を行う統計手法。説明変数が1つの単回帰分析と、複数の重回帰分析がある。将来の予測やデータ分析に広く用いられる。

2つの変数間に見られる関連性の度合い。正の相関（一方が増えると他方も増える）と負の相関（一方が増えると他方は減る）がある。相関があっても因果関係があるとは限らない点に注意が必要。

ある仮説が統計的に正しいかどうかを、データに基づいて判定する手法。帰無仮説と対立仮説を立て、有意水準を設定してデータの検定統計量から判定を行う。