c-japan^®の特徴量データ活用法
～統計解析からAIまで使える特徴量～

統計解析からAIまで、特徴量データの構造と活用法

c-japan^®は、Home（住んでいる人）、Daytime（昼間集まる人）、Dynamics（時間帯ごとの人の動き）という3つのデータで、全国の街をタイプ分けしています。
これらのセグメントは、約70項目におよぶ統計を因子分析や主成分分析によって少数の指標（因子得点・主成分得点）へ整理し、その指標をもとに分類したものです。
この少数の指標が、c-japan^®の土台にある特徴量データです。
本セミナーでは、まず3つのデータと特徴量データのつくられ方（次元圧縮の考え方）を解説します。
続いて活用例として、都市型スーパーの売上予測モデルづくりを実演します。
生の統計データだけのモデルは要因を読み解きにくい一方、特徴量データを加えると「所得にゆとりがあり子育て世帯や人通りの多い街ほど売れる」と解釈しやすくなります。
さらに同じ題材を、売上予測AI「THE NOVEL」を用いた機械学習でも分析し、手法を問わず特徴量データが有効に働くことをご覧いただきます。