予測・シミュレーション・グルーピング

データ分析では、将来を推定する予測、モデル上で試すシミュレーション、似た対象をまとめるグルーピングを目的に応じて使い分けます。

■ 試験で押さえるポイント

• 予測は、過去・現在のデータやモデルから、将来の値又は事象の発生可能性を推定します。結果には不確実性があります。

• シミュレーションは、現実を表すモデルへ条件を与えて挙動を再現します。データ同化は観測値を逐次取り込み、モデルの状態や予測を現実へ近づけます。

• グルーピングは、共通する特徴や類似度に基づいて対象をまとめます。正解ラベルなしで類似対象を分けるクラスタリングが代表例です。

■ 選択肢での判断ポイント

将来値を求めるのは予測、条件を変えて挙動を試すのはシミュレーション、似た対象をまとめるのはグルーピングです。分析の目的を問題文から読み取ります。

例: 翌月需要を推定するのは予測、在庫条件を変えて欠品を再現するのはシミュレーション、購買傾向が似た顧客を分けるのはグルーピングです。