R によるデータマイニング入門

大量データを解析するデータマイニングについて、理論の基礎から解析手法までを「R」を使ったアルゴリズムの例題を交えて丁寧に解説。データマイニング入門書として、またデータ解析部門のテキストとしても最適。

『R によるデータマイニング入門』 (山本 義郎、藤野 友和、久保田 貴文 著、オーム社、2015 年 11 月刊) は、R を使ってデータマイニングの理論の基礎から解析手法、実際のデータを使った分析例までを、例題のコードとともに学ぶ入門書です。版元の紹介文は、大量データを解析するデータマイニングについて「理論の基礎から解析手法まで、R を使ったアルゴリズムの例題を交えてていねいに解説します」と説明し、おすすめの読者に「R でデータマイニングを実行してみたい人」を挙げ、「データ分析部門の企業内テキストとして」の用途も示しています。版元ページで示された読者の段は初級です。

3 部 15 章の構成、R の準備から SNS データの分析まで

本書は 3 部 15 章で構成されています。第 I 部「R を使ったデータマイニングの準備」では、第 1 章で R と RStudio のインストール、ベクトルやリスト、データフレームといった言語の基本、外部データの取り込みとデータの要約、dplyr パッケージによるデータフレームの操作、棒グラフやヒストグラム、箱ひげ図、散布図による可視化を扱い、第 2 章でビッグデータとデータサイエンス、CRISP-DM の各段階、データマイニング手法の分類を整理します。第 II 部「データマイニング手法」は第 3 章の回帰分析から第 12 章のアソシエーションルール分析までの 10 章で、ロジスティック回帰分析、決定木分析、サポートベクターマシン (SVM)、k 近傍法を扱う記憶ベース推論、階層型と非階層型のクラスター分析、自己組織化マップ (SOM)、主成分分析、対応分析と多重対応分析が並びます。第 III 部「データマイニングの実践例」は、複数の手法による予測の評価、株価データを用いた総合指標の作成、SNS データの分析の 3 章です。版元のサイトでは、本書で使用したデータと例題の R ファイルがダウンロードできるようになっています。

問いに合わせて手法を選ぶ、データマイニング学習の勘所

データマイニングを学び始めた人がつまずきやすいのは、個々の手法の動かし方を覚えても、目の前の問いにどの手法を当てればよいかを決められない点です。数値を予測したいのか、カテゴリーを判別したいのか、似たものどうしをまとめたいのか、多数の変数を少数の軸に縮めて全体像をつかみたいのか、同時に起きやすい組み合わせを探したいのかで、選ぶべき手法は変わります。正解のラベルを使って学ぶ方法と、ラベルなしにデータの構造を探る方法という区別は 機械学習の手法 を整理する基本の軸で、この区別を先に持っておくと、手法ごとの章を読み進めるときに位置づけを見失いにくくなります。また、同じデータに複数の手法を当てて予測の当たり方を比べる作業は、手法の向き不向きを具体的に知るうえで効果があり、第 13 章がこの比較を題材にしています。

統計解析向けのプログラミング言語 である R は、データフレームを中心にデータを扱い、モデルの当てはめやグラフの描画が標準の機能と豊富なパッケージで揃っているため、手法を試しては結果を眺めるという探索的な分析と相性のよい道具です。数行のコードで集計とグラフを往復できるので、モデルを作る前にデータの分布や外れ値を確かめる習慣が自然に身につきます。

R が初めての人の前提知識と、2015 年刊行時点の環境

第 1 章が R と RStudio のインストールから言語の基本操作までを扱っているため、R に触れたことがない人でも本書から始められます。一方で、各手法の結果を読み取る段階では、平均や分散、相関、回帰係数といった統計の基本的な用語になじんでいるほうが理解は速く進みます。また本書は 2015 年 11 月の刊行で、R のパッケージの版や第 15 章が扱う Twitter API と OAuth による取得手順は刊行時点の環境を前提にしています。パッケージや外部サービスの仕様は刊行後に変わり得るため、例題を動かす際は手元の環境で確かめながら読み替える前提で臨むのが現実的です。

目次に深層学習を扱う章は無く、大規模データの分散処理も範囲に含まれていないため、ニューラルネットワークの実装まで一気に進みたい人や、Python を軸に学びたい人には目的が合いません。そうした場合は 機械学習とディープラーニングの技術書の選び方 から自分の段階に合う一冊を探すほうが近道です。逆に、回帰から決定木、クラスター分析、主成分分析、アソシエーションルールまでの古典的な手法を R で一通り手を動かして比べ、問いに応じて手法を選べるようになりたい人や、データ分析部門で新人向けの共通教材を探している人にとって、本書は手法の全体像を短い時間で押さえられる一冊です。