データの層別に有用な外部情報を視覚的に把握するための統計手法の開発

开发统计方法以直观地理解数据分层的有用外部信息

基本信息

批准号：
20K19755
负责人：
高岸茉莉子
金额：
$ 2.41万
依托单位：
Okayama University (2022)Osaka University (2020-2021)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2026-03-31
项目状态：
未结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20K19755/
关键词：
グラフ対応分析視覚化クラスタリング

项目摘要

本研究では、データの特徴を視覚的に把握するための手法開発を行っている．この手法では，外部情報をうまく活用することを目指しており，性別や国籍などのカテゴリカル変数によって表されるクラス情報を外部情報として扱っている．例えばマーケティング調査データを用いて顧客のターゲティングを行う場合，「男性は商品Aを、若者は商品Bを購入しやすい傾向にある」といったように，外部情報に基づいて対象をクラス分けし，メイン変数の解釈を行う場面でこの手法を適用することを想定している．特に、本手法では外部情報の各クラス内に複数の傾向が存在する場合にも対応するため，各外部情報クラスごとに複数のクラスターを抽出し，それらを共通の低次元空間上に同時に配置することで，少数グループの傾向も視覚的に把握しやすくしている．本研究でここまで提案してきた手法は，全て質的変数を想定していたが，22年度では量的変数と質的変数の組み合わせにも対応できるように拡張した．具体的には，本提案手法は質的変量向けの次元縮約クラスタリング法であるCluster CAを拡張したものであるが，それと量的変量向け次元縮約クラスタリング法であるReduced k-meansとの関係を考察し，それをもとに本提案手法を量的変量，さらに量質混合変量にも対応できるように拡張した．更にその量質混合の提案手法を実行するためのソフトウェアを実装した．また本手法はプログラム上での実行時間が非常に長かったため，それの高速化も試みた．

在这项研究中，我们正在开发一种直观地了解数据特征的方法。该方法旨在充分利用外部信息，将性别、国籍等分类变量所代表的阶层信息视为外部信息。例如，当使用营销研究数据定位客户时，您可以根据外部信息将目标分为几类，例如“男性倾向于购买产品 A，年轻人倾向于购买产品 B”，并使用主变量假设该方法将应用于需要解释的情况。特别是，为了处理每一类外部信息中存在多种趋势的情况，该方法为每个外部信息类提取多个聚类，并将它们同时放置在一个公共的低维空间上，这使得更容易直观地理解其中的趋势。小团体。迄今为止，本研究中提出的方法均假设了定性变量，但在 2014 财年，我们将其扩展为支持定量和定性变量的组合。具体来说，所提出的方法是Cluster CA（定性变量降维聚类方法）的扩展，以及它与定量变量降维聚类方法Reduced k-means之间的关系。扩展了所提出的方法来处理定量变量，甚至定量和混合变量。此外，我们还实现了软件来执行所提出的定量混合方法。另外，由于这种方法需要很长的程序执行时间，我们也尝试加快它的速度。