【ＤＳ検定】ＤＳ１０６　層化、ＤＳ１１０　データ数減

データサイエンティスト検定のスキルチェックリストＤＳ１０６及びＤＳ１１０に関する解説を行います。

DS106：積み上げ縦棒グラフでの属性の選択など、目的やデータに応じて適切な層化（比較軸）の候補を出せる

複数のカテゴリや属性を比較するためのグラフで、縦棒の各部分が異なるカテゴリや属性を表し、全体の構成を視覚化します。例えば、売上の地域別構成や月ごとの売上の製品別構成などを表示する際に使用します。

データや情報を階層的に分けて整理するプロセスや方法のことです。具体的には、情報やシステムを異なるレベルの階層に分けて、それぞれの層で異なる役割や機能を持たせることを指します。

積み上げ縦棒グラフでは、データをどのように層化して表示するかが重要です。適切な層化を選ぶことで、データの理解が深まり、比較や分析が効果的になります。以下は、層化の候補とその選択方法についての解説です。

層化の軸には時間軸や地域、製品カテゴリなどが考えられます。それぞれ時間経過や地域性、カテゴリごとのパフォーマンスなどを可視化する事が出来ます。

層化の選択はデータの目的や性質、比較対象などから決定します。例えば、目的が「地域別売上の確認」であれば地域別に層化します。複数の対象を比較する際にはそれぞれの比較対象が明確に表示されるように層化します。

以下はその例です。

目的	横軸	縦軸	各棒の層
月ごとの売上の製品別構成	時間軸（月）	売上	製品カテゴリ
地域別の売上の製品別構成	地域	売上	製品カテゴリ

データの特徴を把握する際にデータ量が膨大で特徴を捉える事が出来ない時があります。このような時には層別に可視化する事やサンプリング、アンサンブル平均などを利用して特徴を損なう事なくデータ数を減らして解析する方法があります。

全体のデータセットから部分的にデータを抽出する手法です。サンプリングを行うことで、代表的な部分を用いて分析や処理を行うことができます。この方法は、特にデータ量が非常に大きい場合に、処理の効率を高めたり、計算コストを削減したりするために用いられます。

複数のデータやモデルの出力を平均することで、より安定した結果や予測精度を得る手法です。この方法は、特にノイズや不確実性を低減するため、または異なるモデルや試行の結果を統合するために用いられます。