|
|||||||||||||
| No. | 属性(説明変数) | 基準項目 (目的変数) | |||||||
|---|---|---|---|---|---|---|---|---|---|
| 性別 | 年齢 | 電力消費量 | 住宅種別 | 居住地 | 駅からの距離 | ペット数 | - | 購買有無 | |
| 1 | 男 | 19 | 1235 | マンション | 市内 | 1.3 | 2 | - | 有 |
| 2 | 女 | 25 | 896 | 一戸建て | 県外 | 1.8 | 0 | - | 無 |
| 3 | 女 | 37 | 768 | 集合住宅 | 市内 | 0.6 | 4 | - | 有 |
| ・ ・ ・ | ・ ・ ・ | ・ ・ ・ | ・ ・ ・ | ・ ・ ・ | ・ ・ ・ | ・ ・ ・ | ・ ・ ・ | - - - | ・ ・ ・ |
| N | 男 | 46 | 1059 | マンション | 市外 | 3.0 | 0 | - | 無 |
データを分析した結果、ある商品の購買有無にかかわる要因(属性)が枝分かれしたチャート図(樹形図)として得られる。
特に上位に現れる条件(属性)ほど分析したい項目に大きな影響を与えており、この例では、「住宅種別」が購買有無に最も大きな影響を与えているといえる。
また、右図の中の赤枠で囲まれた条件をたどると、4倍以上購買確率が高まることなどもわかる。
このように、大量データの分析結果より有益な情報を導き出していくことが出来る。
| 個人情報の取扱いについて | セキュリティーポリシー | プライバシーポリシー |
|
Copyright c 2003-2007 NTTアドバンステクノロジ株式会社 (NTT Advanced Technology Corporation)
本ホームページの情報及び著作権はNTTアドバンステクノロジに帰属します。 | ||