地理ラボ　データ分析

地理ラボ　データ分析

: データサイエンス
時系列データの定常化処理（トレンド・季節性・分散の非定常性の確認と除去）
コード, データサイエンス手法, データ加工, 時系列, 統計的仮説検定
時系列分析では、定常性という性質を前提として分析が行われるため、前処理として時系列データを定常過程へ変換する必要があります。このページでは、時系列データの定常性を確認し、非定常性を取り除いていく方法に ...

: データサイエンス
時系列データにおける定常性（弱/強定常性・定常性の確認方法）
コード, データサイエンス手法, データ加工, 時系列, 統計的仮説検定
時系列分析では、定常性という性質を前提として分析が行われるため、前処理として時系列データを定常過程へ変換する必要があります。このページでは、時系列データの定常性について解説します。時系列データにおけ ...

: データサイエンス
時系列分解（時系列データの季節成分・トレンド成分・残余成分）
データサイエンス手法, 時系列
時系列分析にて予測を行う際には、時系列データを複数の成分に分解します（時系列分解）。このページでは、時系列分解の各成分（季節成分・トレンド成分・残余成分）と加法分解・乗法分解について解説します。時 ...

: ドメイン知識
コンジョイント分析とは（属性と水準の決定）
アンケート調査, ドメイン知識解説, マーケティング
コンジョイント分析は、「価格」と「機能」のようにトレードオフ関係にある要素の最適な組み合わせを決めるための分析手法です。このページでは、コンジョイント分析について、どのような対象に適用すべきかや水準の ...

: ドメイン知識
アンケート設計における課題設定の重要性
アンケート調査, ドメイン知識解説, マーケティング
ビジネスにおいてマーケティング目的で特定の属性の人々に対してアンケートを実施することはよくあります。一方でせっかくアンケートをとっても、ありきたりな一般論しかわからず、「で、どうしたらいいの？」とい ...

: 地理情報
Pythonで雨温図とハイサーグラフを作成
コード, ドメイン知識解説, 地学
高校地理では各都市の気候を可視化する方法として、雨温図とハイサーグラフが使われます。このページでは、Pythonのライブラリであるmatplotlibを使用して雨温図とハイサーグラフを作成する方法を紹 ...

: 地理情報
ケッペンの気候区分の判定とPythonでの実装
コード, ドメイン知識解説, 地学
高校地理でも取り上げられるケッペンの気候区分は、気温と降水量から気候を分類できる気候区分です。このページでは、気温と降水量から気候帯と気候区を判定する方法（分類基準）とPyhtonでの実装について紹介 ...

: 機械学習
カテゴリ変数の変換（one-hot encodingなど）
コード, 機械学習手法
機械学習において特徴量としてカテゴリ変数（質的変数）を扱うためには、学習に適した形に変換する必要があります。このページでは、one-hot encodingをはじめとするカテゴリ変数の変換方法について ...

: 機械学習
特徴量スケーリング（正規化・標準化など）
コード, 機械学習手法
機械学習において特徴量の間のスケールを揃えることを特徴量スケーリングといいます。特徴量スケーリングを行うことで、モデルの学習時間短縮や予測精度向上を図ることができます。このページでは、特徴量のスケー ...

: 機械学習
線形回帰における２つのアプローチ（最急降下法と正規方程式）
コード, データサイエンス手法, 機械学習手法
データの変動をモデル化して説明する手法の１つとして線形回帰があります。線形回帰は比較的シンプルな回帰モデルであり、解釈性の高いモデルです。このページでは、実測値（データ）と予測値（回帰直線）の誤差を最 ...

« Prev 1 2 3 4 5 … 8 Next »