2026年10月8日にNIST EDAとscikit-learn 1.9.1の導入・モデル選択本文を再確認した。比較・要約・分類・予測・クラスタリングを名前で選ばず、問い、観測単位、誤りのコスト、欠測、検証データを先に固定する。scikit-learnも学習データへの適合だけでは未知データの予測性能を示さず、分割・交差検証・指標・前処理を別に評価すると説明している。
手法の名前から選ぶと、分析は計算できても判断にはつながりません。最初に「何を決めるために、どの単位を、いつまで観測するか」を書き、問いに合う手法の候補を比べます。結果の不確実性、前提から外れた観測、次に確認するデータも手法と同じ表に残します。
公式資料を読み直した日と範囲
2026年10月7日に、NIST/SEMATECHのEDAの問題分類とEDAの解説、scikit-learnの導入ガイド、モデル選択・評価の公式ドキュメントを確認しました。NISTは、比較、関係、分布、外れ値、クラスタなど、問題の型から探索を始める考え方を示します。scikit-learnは教師あり・教師なし学習、前処理、モデル選択、評価を別の工程として扱います。ライブラリの機能一覧を、そのまま自社の最適手法とは扱いません。
30秒で要点
- 差を比べる、構造を要約する、群を分ける、値を予測する、文章を整理する、で候補を分ける
- 観測単位、分母、期間、欠測、目的変数、許容誤差、意思決定者を先に固定する
- 探索と確認、説明と予測、相関と因果、モデル評価と施策評価を混同しない
- 詳細記事で前提を確認し、小さな検証結果を次の手法選択へ戻す
表が収まらない場合は、横にスクロールできます
| 問いの型 | 手法の家族 | 先に確認すること | 主な出力 |
|---|---|---|---|
| 差・関係を比べる | t検定、分散分析、カイ二乗、回帰 | 群、独立性、分母、交絡 | 差、関連、区間、残差 |
| 構造を要約する | PCA、因子、MDS、対応分析 | 尺度、欠測、距離、解釈単位 | 軸、負荷、配置、寄与 |
| 群を分ける | クラスター、潜在クラス | 類似度、群数、安定性 | 群、所属確率、特徴 |
| 値やクラスを予測する | 回帰、決定木、ランダムフォレスト、判別 | 時点、漏えい、基準、誤りコスト | 予測、確率、誤差 |
| 文章・購買を整理する | テキスト分類、特徴語、共起、RFM、バスケット | コードブック、単位、期間、希少性 | カテゴリ、語、顧客群、関連 |
比較の問いから始める
「新旧の平均が違うか」なら、対象、期間、対応の有無、分布、欠測、実務上意味のある差を確認します。p値だけで採否を決めず、差の大きさ、区間、データ収集の仕組み、複数比較を記録します。
要約と分類を分ける
PCAや因子分析は多くの変数を少数の軸へ要約し、クラスターや潜在クラスは観測を似た群へ分けます。軸や群に名前を付けるのは解釈であり、発見された群が自然な顧客タイプだと自動的に決まるわけではありません。標準化、距離、初期値、群数を変えた安定性を確かめます。
予測は時点と誤りを管理する
回帰、決定木、ランダムフォレスト、判別は予測値や確率を作ります。学習時点より後の情報が混ざる情報漏えい、将来の分布変化、陽性・陰性の誤りコストを点検します。交差検証やテストデータで評価しても、施策を変えたときの因果効果は別の検証です。
ハブから詳細記事へ進む
表が収まらない場合は、横にスクロールできます
| 目的 | 入口記事 |
|---|---|
| 比較・差 | 仮説検定の実務／t検定の実務／カイ二乗検定 |
| 要約・構造 | 主成分分析／因子分析／MDS |
| 分類・予測 | クラスター分析／決定木分析／ランダムフォレスト／線形回帰 |
| 文章・購買 | 特徴語抽出／共起ネットワーク／RFM分析／アソシエーション分析 |
最小の手法選択メモ
- 判断文、対象、期間、分母、データの出所を書く。
- 問いの型を一つ選び、候補を二つ以上並べる。
- 前提、欠測、外れ値、誤りコスト、解釈の用途を比較する。
- 小さな検証で結果と反証を確認し、手法を固定する理由を残す。
- 予測や分類を施策へ使うなら、運用監視と撤回条件を追加する。
このページは手法の入口です。サンプルサイズ、分布、研究デザイン、個人情報、業界規制などの判断は、各詳細記事と領域専門家の確認を優先してください。