はじめに

無料でも使える高機能なツールを使ってデータ分析と機械学習っぽい事をやってみました。

下準備

Kaggleは、世界中のデータサイエンティストが与えられた課題に対して最適なモデルを競い合うサイトです。アカウントを作ってログインしておきましょう。
Titanic: Machine Learning from Disaster は入門チュートリアル的な課題です。1912年に沈没した豪華客船の乗員乗客のうち生き残った人と亡くなった人の傾向を分析します。train.csvとtest.csvをダウンロードしておきましょう。
Tableau Desktopは高速で強力なビジュアル分析ツールです。インストールしておきましょう。私の手元の環境はver10.1.1です。
Microsoft Azure Machine Learning Studio はドラッグ＆ドロップで予測モデルが作れるサイトです。アカウントを作ってログインしておきましょう。

可視化

先ほどダウンロードしたTitanicのデータの中身をTableauを使って見てみます。

データソースを読み込む

Tableauを起動してtrain.csvをドラッグ＆ドロップします。

生存していたかどうか(Serviced)を0:死亡、1:生存として表しています。これが分析結果として出したい値ですね。
他には連番のユニークID(PassengerId)、年齢(Age)、性別(Sex)、同乗していた親族関係(SibSp,Parch)、
乗客の階級(Pclass)、乗船料金(Fare)、部屋番号(Cabin)、チケット番号(Ticket)、乗船場所(Embarked)
といった情報を持っています。これらが生存にどう関わるかを見ていきましょう。

全体の人数

まずは全体の人数を把握しましょう。
画面下部のタブから「シート１」を開いて、画面左「メジャー」枠内の「Number of Records」をダブルクリックします。

棒グラフが表示され、マウスオーバーするとツールヒントが表示されて891人分のデータが入っていることがわかります。

性別ごとの人数

次にこの人数を性別で分けて見てみましょう。
画面左「ディメンション」枠内の「Sex」をダブルクリックします。

棒グラフが２つに分かれ、女性(femail)が３１４人、男性(male)が577人乗っていたことが分かります。

このようにTableauでは各フィールドの役割を認識してある程度自動的に最適なグラフを表示してくれます。
詳しくは公式ドキュメントのディメンションとメジャーをご一読下さい。

性別ごとの生存率

続いて各性別での生存率を見比べてみましょう。
ここではSurvivedをメジャーではなくディメンションとして扱う必要があるので、
左下枠「メジャー」内の「Survived」を左上枠「ディメンション」内にドラッグします。
メジャーとなった「Suvived」を画面中央やや左「マーク」枠内の「色」にドラッグします。

オレンジとブルーの積み上げ棒グラフになりました。