
80
3 章 予測モデリング:相関から教師ありセグメンテーションへ
ルールが出来上がります。こうしてできるルールは、属性の評価条件を「かつ(
AND
)」 で
つなげたものになります。図
3-15
で、ルートノードから始めて、いつも左側のブランチを
選んでいくとしましょう。こうすると次のルールが出来上がります。
(
残高
< 50K)
かつ
(
年齢
< 50)
ならば、クラス
=
回収不能
このようにして他のすべてのリーフに達する経路を考えると、さらに次の
3
つのルールが
得られます。
(
残高
< 50K)
かつ
(
年齢
≥ 50)
ならば、
クラス
=
回収不能でない
(
残高
≥ 50K)
かつ
(
年齢
< 45)
ならば、
クラス
=
回収不能
(
残高
≥ 50K)
かつ
(
年齢
≥ 45)
ならば、
クラス
=
回収不能でない
図
3-15
の分類木はこのルールのセットと等しいのです。このルールは同じような条件の
繰り返しを集めたように見えるかもしれませんが、それはたまたまこの分類木がそのような
構成になっているからです。すべての分類木はこのようにルールのセットとして表すことも
できます。分類木かルールのセットのどちらがわかりやすいかは、その状況と見る人によっ
て異なります。今見たような簡単な例では、どちらもわかりやすいですが、モデルが大きく
なっていくと、人によって意見が分かれます。
3.5
確率推定
たいていの場合、意思決定をするための問題では、単なる分類ではなく、より意味がある
情報を得られる予測をしたいものです。例えばこれまでに見てきた他社への乗り換え予測問 ...