カーネル密度推定

値の分布をなめらかな曲線で表します。 ヒストグラムは区切り方で見え方が変わりますが、こちらは区切りに依存せず分布の形を見られます。

入出力

ポート	内容
入力データ	データ
出力データ	データ

Spark エンジンでは動きません。

出力の形

行の数は変わりません。 1 行ごとに、その行の値の密度が入ります。

処理タイプ	出力の列
一次元の密度を推定	選んだ列 / `密度` の 2 列
二次元の密度を推定	x 軸の列 / y 軸の列 / `密度` の 3 列

密度 は「その値のあたりにどれくらいデータが集まっているか」 です。合計が 1 になる値ではありません。大小を比べるために使います。

設定項目

処理タイプを選択: 一次元の密度を推定（既定）か二次元の密度を推定。
処理対象列を選択必須: 一次元の密度を推定のときに出ます。数値の列だけ選べます。1 列だけです。
処理対象列を選択(x軸)必須: 二次元の密度を推定のときに出ます。数値の列だけ選べます。
処理対象列を選択(y軸)必須: 二次元の密度を推定のときに出ます。数値の列だけ選べます。

なめらかさの設定はありません。 曲線の幅はデータから自動で決まります。

一次元と二次元

処理タイプ	分かること
一次元	1 つの値がどのあたりに集まっているか
二次元	2 つの値の組がどのあたりに集まっているか

二次元は「価格と数量の組がどこに固まっているか」のような見方ができます。

エラーと対処

処理対象列に欠損値がある

欠損があると計算できません。 選んだ列に 1 つでも空欄があると出ます。

処理対象列に欠損値が含まれています。欠損値を除外するか補完してください。

直し方 — 欠損値処理で欠損のある行を落としてください。

処理対象列に数値以外がある

処理対象列に数値型以外のデータが含まれてます。型変換をするか、数値型以外の列を除去してください。

直し方 — 列の型変更で数値にするか、その列を外します。

列を選ばずに実行した

処理対象列を選択（二次元なら x 軸・y 軸のどちらか）が空のまま実行したときに出ます。前の処理で列名が変わり、選んでいた列が入力データからなくなったときにも同じメッセージです。

対象の列が選択されていません。

直し方 — 列を選び直してください。

よく使う例

1. 金額の分布を見る

購入金額がどのあたりに集まっているかを知りたいとき。

入力

顧客	金額
C-1	1200
C-2	1500
C-3	9800

設定

設定項目	値
処理タイプを選択	一次元の密度を推定
処理対象列を選択	金額

出力 — 金額 と 密度 の 2 列になります（顧客 は落ちます）。

金額	密度
1200	0.0000708
1500	0.0000714
9800	0.0000406

金額 を横軸、密度 を縦軸にした折れ線グラフで分布の形が見えます。

2. 山が 2 つあるか確かめる

顧客層が 2 つに分かれていないかを疑っているとき。

入力 — 例 1 と同じ（件数が多いもの）

設定 — 例 1 と同じ

出力 — 折れ線に山が 2 つ見えれば、層が分かれています。金額の昇順に並べ替えてからグラフにしてください。

3. 2 つの値の関係を見る

価格と数量の組がどこに集中しているかを見たいとき。

入力

価格	数量
1200	2
1500	1

設定

設定項目	値
処理タイプを選択	二次元の密度を推定
処理対象列を選択(x軸)	価格
処理対象列を選択(y軸)	数量

出力 — 価格 数量 密度 の 3 列になります。散布図で 密度 を点の色や大きさに割り当てると、集中しているところが分かります。

4. ほかの列も一緒に残す

分布を見たあとで、顧客の属性と突き合わせたいとき。

入力 — 例 1 と同じ

設定 — このノードの出力を、元のデータとキー列を指定する結合で 金額 をキーにつなぎ直します。

出力 — 密度 が元の表に戻ります。同じ金額の行が複数あると行が増えるので、キーの重複に注意してください。