Pythonで学ぶ クラスター分析入門
— 第5回 —
分けた後が本番 ― クラスタープロファイリング
ここまで、距離の概念から始まり、階層的クラスタリング、K-means法、クラスタ数の決め方と学んできました。 ところで、病院に行って「あなたは風邪です」と診断されただけで帰されたら、どう思いますか？ 「で、どうすればいい...
RECENT ARTICLES
Pythonで学ぶ クラスター分析入門
matplotlibを卒業？ seabornで3行で作れる美しいグラフ
データ分析で「可視化」は欠かせないステップです。 数値の羅列を見ても傾向はわかりにくいですが、グラフにすれば一目瞭然。 しかし、Pythonの定番ライブラリ matplotlib でキレイなグラフを作ろうとすると、設定項...
Pythonで学ぶ クラスター分析入門
— 第4回 —
いくつに分ける？ ― クラスタ数の決め方
前回、k-means法を学んだときに「K=3」と決め打ちでクラスタ数を指定しました。 Pythonで学ぶ クラスター分析入門— 第3回 —k個の点に集まれ ― k-means法の基本 でも、ちょっ...
【登壇・参加無料】（2026/2/19）
【入門】専門知識ゼロから始める
〜生成AI・データ活用で売上を伸ばす具体的手順〜
（東京商工会議所 港支部 オンライン開催）
ビジネスの現場において、データ活用や生成AIの導入は避けて通れないテーマとなっています。 しかし、「何から始めればいいのか」「専門知識がないと難しいのではないか」と足踏みされている方も多いのではないでしょうか。 テーマ：...
【開催報告（2025/12/16開催）】
スモールビジネスで使える簡単データ活用術
（東京商工会議所 北支部 オンライン開催）
先日、東京商工会議所様主催のオンラインセミナー 「スモールビジネスで使える簡単データ活用術」 を開催しました。 本セミナーは、小規模事業者の方を対象に、 データ分析や生成AIを 「難しいものとして学ぶ」のではなく、 「日...
第476話｜説明できない分析は、なぜ組織で必ず嫌われるのか
精度は問題ありません 分析担当として、この一言を言ったことがある人は多いはずです。 モデルの検証結果も良好で、数値的には非の打ちどころがない。 それでも、会議室の空気がどこか重くなる。 そして、必ずこう聞かれます。 で、...
Pythonで学ぶ クラスター分析入門
— 第3回 —
k個の点に集まれ ― k-means法の基本
前回学んだ階層的クラスタリングは、データの階層構造を美しく可視化できる素晴らしい手法でした。 Pythonで学ぶ クラスター分析入門— 第2回 —樹形図で見える化 ― 階層的クラスタリング しかし...
Pythonで学ぶ クラスター分析入門
— 第2回 —
樹形図で見える化 ― 階層的クラスタリング
前回は「似ている」を距離で測る方法を学びました。 Pythonで学ぶ クラスター分析入門— 第1回 —「似てる」を数値化しよう ― 距離の考え方 今回は、その距離を使って実際にデータをグループ分け...
pandasのgroupby()で使える便利メソッド7選
データ分析で「カテゴリごとに集計したい」という場面は非常に多いです。 「商品別の売上合計」「月別の平均値」「店舗ごとの顧客数」など、グループ化して集計する処理は日常茶飯事です。 pandasの groupby() は、そ...
Pythonで学ぶ クラスター分析入門
— 第1回 —
「似てる」を数値化しよう ― 距離の考え方
あなたは今日、無意識のうちに何回「似たものをまとめる」という行動をしたでしょうか。 朝起きてクローゼットを開ければ、シャツはシャツ、パンツはパンツでまとまっています。 本棚を見れば、小説、技術書、漫画がそれぞれのエリアに...
第475話｜効果を数字で示せ！
社内ベンチャーが経営会議を乗り切るためにMMMを導入した話
「マーケティング費用の効果を、数字で説明してください」 四半期ごとの経営会議で、この質問を投げかけられるたびに、J氏は言葉に詰まっていました。 SNS広告、インフルエンサー、PR、オウンドメディアなど複数の施策を同時に走...
Pythonで体感する次元削減入門 – PCAと因子分析の基礎のキソ
— 第6回 —
次元削減を回帰に活かす主成分回帰（PCR）
このシリーズでは、第1回から第5回まで、PCAと因子分析の基礎を一歩ずつ学んできました。 — 第1回 — なぜ「次元を減らす」のか？ 情報の海で溺れないために https://www.salesanalytics.co....
Pythonで体感する次元削減入門 – PCAと因子分析の基礎のキソ
— 第5回 —
PCAと因子分析、何が違う？
ここまで4回にわたって、主成分分析（PCA）を学んできました。 — 第1回 — なぜ「次元を減らす」のか？ 情報の海で溺れないために https://www.salesanalytics.co.jp/datascienc...
Pythonで体感する次元削減入門 – PCAと因子分析の基礎のキソ
— 第4回 —
scikit-learnでさくっとPCAを実施する
ここまでの3回で、PCAの仕組みを一から学んできました。 — 第1回 — なぜ「次元を減らす」のか？ 情報の海で溺れないために https://www.salesanalytics.co.jp/datascience/d...
Pythonで体感する次元削減入門 – PCAと因子分析の基礎のキソ
— 第3回 —
次元はいくつ残す？ 寄与率とスクリープロットの読み方
前回は、共分散行列の固有値分解によって「主成分の方向」と「その方向での分散」が求まることを学びました。 Pythonで体感する次元削減入門 – PCAと因子分析の基礎のキソ— 第2回 —...
リスト内包表記 vs map() vs for文…… 速度比較してみた
Pythonでデータを処理するとき、「リストの各要素に同じ処理を適用したい」という場面は非常に多いです。 このとき、書き方は主に3通りあります。 方法 特徴 一言で言うと for文 最も基本的で直感的 「一つずつ順番に処...
