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

29

29

2.3　データマイニングとその成果

これらの問題には些細ではありますが、明確にすべき違いがあります。ビジネスに適用す

る上では、予測対象が離散的な値であっても、定量的な結果として予測することが求められ

ます。乗り換え問題においては、顧客が契約を継続するかを

Yes/No

の

2

つの値で予測する

だけでは不十分であり、顧客が契約を継続する確率を予測するモデルが必要です。しかし、

予測対象はあくまで離散値であるため、この場合も回帰ではなく分類と見なします。この点

を明確にすべきときには、クラス確率推定と呼ぶこともあります。

データマイニングプロセスの初期段階において重要な点は次の

2

つです。

1.

教師ありと教師なし、どちらのアプローチにするか決定する。

2.

教師ありアプローチの場合は目的変数を正確に定義する。

目的変数はデータマイニングの鍵となる特別な値です（この値を評価してモデルを構築し

ていきます）。この点については

3

章で再度取り扱います。

2.3

 データマイニングとその成果

データマイニングでパターンを発見しモデルを構築することと、データマイニングの成果

を利用することは、異なるものであり、この違いを認識しておくことは大切なことです。

データサイエンスを学び始めたばかりの人は、この

2

つのプロセスを混同しがちです。企業

のマネージャーがビジネス分析の議論をする際にも、この

2

つを混同してしまうことがあ

ります。もちろん、データマイニング成果の利用方法は、データマイニングプロセス自体に

フィードバックされるべきなのですが、両者は切り離して取り扱うべきなのです。 ...