戦略的データサイエンス入門 ―ビジネスに活かすコンセプトとテクニック

255

9

章

エビデンスと確率

基本コンセプト：

• ベイズの法則でエビデンスを明示的に結合する

• 条件付き独立性仮定による確率的推論

代表的技法：

• 単純ベイズ（NaiveBayes）分類

• エビデンスのリフト値

ここまでで、いくつかの種類の手法を見てきました。それらの手法は、データを利用し

て、特定のデータインスタンスの未知量（例えばそのデータインスタンスの分類など）を判

定するのに役立つものでした。ここからは、そのような判定をする別の方法について見てい

きましょう。あるデータインスタンスについて何かがわかったという状態は、つまり、その

データインスタンスが、目的変数として取り得るさまざまな値のどれかに合致する（あるい

は合致しない）エビデンス

†

が見つかった状態と考えることができます。また、データイン

スタンスのことがわかっているという状況では、そのインスタンスは、特徴の集合として表

現することができます。もし、

1

つ

1

つの特徴として与えられるエビデンスの強さを知るこ

とができれば、何らかの規則に基づいた方法を使って、各エビデンスの強さを確率的に結合

して、目的変数の値を判定するのに利用することができるでしょう。この章では、特定のエ

ビデンスの強さを、トレーニングデータから決定していく方法を説明していきます。

9.1

 例：オンライン消費者を対象とした広告

説明のために、ビジネスでの分類の応用例をもう

1

つ考えてみましょう。この応用例は

消費者に対するオンラインディスプレイ広告を対象にしていて、過去にその消費者が訪れた ...