将来の現象の予測と複数の現象間の関連
こんにちは！この章では、データサイエンスの「一番ワクワクする部分」とも言える、将来の予測とデータのつながりについて学んでいきます。データを使って「次に何が起こるか」を考えたり、「これとこれには関係がある！」と発見したりする方法をマスターしましょう。
最初は難しく感じるかもしれませんが、身近な天気予報やお店の売り上げ予測などと同じ考え方なので、大丈夫ですよ！
1. 複数の現象間の関連を探る（相関関係）
データサイエンスでは、まず「2つのデータの間にどのような関係があるか」を調べることが重要です。これを相関（そうかん）と呼びます。
散布図で可視化する
2つの項目の関係を見るには、散布図を使うのが一番分かりやすい方法です。横軸（\(x\)軸）と縦軸（\(y\)軸）にそれぞれのデータを取り、点を打っていきます。
- 正の相関： 片方が増えると、もう片方も増える関係（例：気温が上がると、アイスの売り上げが増える）。
- 負の相関： 片方が増えると、もう片方が減る関係（例：気温が上がると、使い捨てカイロの売り上げが減る）。
- 無相関： 2つの間に関係が見られない状態。
【ポイント】相関関係と因果関係の違い
「相関がある」からといって、必ずしも一方が原因でもう一方が結果（因果関係）であるとは限りません。例えば、「数学の点数が高い人は、身長が高い」というデータに相関があったとしても、身長を伸ばせば数学ができるようになるわけではありませんよね。このように、見かけ上の関係に惑わされないことが大切です。
【よくある間違い】
「相関がある ＝ 原因と結果である」と思い込んでしまうこと。第3の要因（共通の背景）が隠れている場合が多いので、慎重に解釈しましょう。
2. 将来の現象を予測する（回帰分析の考え方）
データの関連性が分かったら、次はそれを使って「将来」や「未知の値」を予測するモデルを作ります。その代表的な手法が回帰分析（かいきぶんせき）です。
回帰直線（モデル化）
散布図に引かれた「データの中心を通るもっともらしい直線」を回帰直線と呼びます。この直線を式で表すと、数学で習う一次関数と同じ形になります。
\(y = ax + b\)
- \(y\)：目的変数（予測したい数値。例：明日の売り上げ）
- \(x\)：説明変数（予測の手がかりにする数値。例：明日の気温）
- \(a, b\)：データから計算される定数
この式に、わかっている数字（例：明日の予想気温）を代入することで、未来の数値（例：予想売り上げ）を計算できるのです。
【豆知識】重回帰分析
説明変数を1つだけでなく、複数使うこともあります。例えば「アイスの売り上げ」を予測するのに「気温」だけでなく「湿度」や「曜日」も合わせて考えるような場合です。これを「重回帰分析」と呼び、より精度の高い予測が可能になります。
3. 時系列データの予測
時間の経過とともに変化するデータを時系列データと呼びます（例：株価、気温の変化、人口推移）。これを分析する際は、以下の3つの要素に注目します。
- 傾向（トレンド）： 長期的に見て上がっているか、下がっているか。
- 周期変動： 季節や曜日ごとに繰り返されるパターン。
- 不規則変動： 予測できない突発的な変化。
これらを組み合わせてモデルを作ることで、「来年のこの時期はどうなっているか」を予測します。
4. モデルの評価と改善
予測モデルは、作って終わりではありません。「その予測がどれくらい当たっているか」を確かめる必要があります。
残差（ざんさ）の確認
実際のデータ（実測値）と、モデルが出した予測値のズレを残差と呼びます。
\(残差 = 実測値 - 予測値\)
この残差が小さければ小さいほど、精度の高い良いモデルだと言えます。もし残差が大きすぎる場合は、「別のデータ（説明変数）を追加する」や「直線のモデルではなく曲線のモデルにする」といった改善を行います。
【ポイント】モデルの評価の意義
完璧な予測モデルは存在しません。しかし、モデルが「なぜ外れたのか」を分析することで、現象の裏側にある新しい要因を発見できることがあります。これがデータサイエンスの面白いところです！
【よくある間違い】過学習（オーバーフィッティング）
手元にある過去のデータにあまりにもピッタリ合わせようとしすぎて、複雑なモデルを作ってしまうと、新しい未知のデータが来たときに全く予測が当たらなくなることがあります。これを「過学習」と言います。モデルは「適度なシンプルさ」も重要です。
まとめ：この章の振り返り
- 2つのデータの関係は散布図や相関で確認する。
- 回帰分析を用いることで、数式を使った将来予測が可能になる。
- 予測には説明変数（ヒント）と目的変数（答え）がある。
- 予測と実際の結果のズレ（残差）を評価し、モデルを改善し続けることが大切。
※この後の学習では、実際にこれらのモデルをどのように処理し、解釈していくかについて、より詳しく学んでいきます（「データの処理と解釈・表現の方法」を参照）。