TSV
データ分析手法 - TSV
データ分析手法は、大量のデータから有益な洞察を抽出し、意思決定を支援するための統計的・機械学習的手法の総称です。回帰分析、クラスター分析、主成分分析など、目的に応じて多様な手法が存在し、予測、分類、セグメンテーション、次元削減などの用途に応用されています。現代のビッグデータ時代において、これらの手法はマーケティング、医療、金融、製造業などあらゆる分野で不可欠なツールとなっています。
データ分析
統計学
機械学習
回帰分析
クラスター分析
主成分分析
データサイエンス
予測分析
code slug name description category learningType
01 regression-analysis 回帰分析 変数間の関係性をモデル化し、予測を行う統計的手法です。 予測分析 supervised
02 cluster-analysis クラスター分析 データを類似性に基づいてグループ化する教師なし学習手法です。 セグメンテーション unsupervised
03 principal-component-analysis 主成分分析 高次元データを低次元に圧縮・要約する次元削減手法です。 次元削減 unsupervised
04 factor-analysis 因子分析 観測データの背後にある潜在因子を抽出する手法です。 次元削減 unsupervised
05 discriminant-analysis 判別分析 判別関数を作成してデータをグループに分類する手法です。 分類 supervised
06 time-series-analysis 時系列分析 時間軸に沿ったデータの傾向や周期性を分析する手法です。 予測分析 supervised
07 decision-tree-analysis 決定木分析 条件分岐でツリー構造を構築し、分類や予測を行う手法です。 分類・予測 supervised
08 association-analysis アソシエーション分析 項目間の関連ルールを発見する手法です。 パターン発見 unsupervised
09 correlation-analysis 相関分析 変数間の関連の強さと方向を測定する手法です。 関連性分析 unsupervised
10 abc-analysis ABC分析 重要度に応じて項目を3グループに分類する手法です。 優先度付け unsupervised