セミナー #162 - Exploratory v16 新アナリティクス入門 #2：決定木 — CARTとCHAIDを理解する
決定木は、「どのような条件によって結果に違いが生まれているのか」を、分岐の形でわかりやすく可視化できる分析手法です。
Exploratory v16では、決定木の可視化が新しくなり、各ノードにおける目的変数の分布や、分岐による変化をより直感的に確認できるようになりました。さらに、新たにCHAID決定木もサポートされました。
今回のセミナーでは、CART決定木の基本的な仕組みから、CHAIDとの違いと使い分け、さらに決定木を予測モデルとして使う場合の考え方まで、Exploratoryでのデモを交えながら紹介します。
対象者
以下のような方におすすめです。
- 決定木を使ってみたいが、結果の読み方がよくわからない方
- CARTとCHAIDの違いを理解したい方
- アンケートデータや顧客データから特徴的なグループを見つけたい方
- 目的変数に影響する条件や変数の組み合わせを探索したい方
- 「なぜこのグループでは結果が違うのか」をわかりやすく説明したい方
- 決定木を予測モデルとして使う場合の考え方を知りたい方
- Exploratory v16の新しい決定木ビジュアライゼーションやCHAIDを使ってみたい方
決定木を初めて使う方でも参加いただけます。数式やアルゴリズムの詳細よりも、可視化と実際の分析例を中心に解説します。
このセミナーで学べること
- 決定木がどのような分析に向いているのか
- CART決定木がどのように分岐条件を見つけているのか
- Exploratory v16の新しい決定木ビジュアライゼーションの読み方
- CHAID決定木とは何か、CARTと何が違うのか
- CARTとCHAIDをどのように使い分ければよいのか
- アンケート分析や顧客分析でCHAIDを活用する方法
- 決定木を予測モデルとして使う場合の考え方
- 予測精度を高めるためのパラメーターチューニング
- Random ForestやGradient Boostingなど他の機械学習モデルとの使い分け
アジェンダ
- 決定木とは何か、どのようなときに使うのか
- CART決定木はどのように条件を作って分岐するのか
- Exploratory v16の新しい決定木ビジュアライゼーション
- CHAID決定木とは何か、CARTと何が違うのか
- CARTとCHAIDをどう使い分けるか
- 決定木を予測モデルとして使うには
- 決定木と他の機械学習モデルをどう使い分けるか
- まとめ・Q&A
ビデオ
過去のセミナー
過去に開催した全てのセミナーの録画はこちらのページから探すことができます。