データ分析は、以下の6つのステップで行いました。データサイエンティストに限らず、仕事上、膨大なデータに触れる人には参考になるかもしれません。

1.　データを眺める
2.　教師データ（結果がわかっているデータ。生存したのかどうか）を前処理する
3.　予測モデルを作って学習する
4.　テストデータ（結果がわかっていない）を前処理する
5.　学習済みの予測モデルで、テストデータを予測する
6.　結果を出力する

　まずは性別や年齢など、すでに手元にある「教師データ」をじっくり眺めて、その特徴を掴みます。このデータは役に立ちそうだとか、これは中央値を求めてみようだとか。

Kaggleのチャレンジをする筆者

　そこから、より良い結果を得るため、データの偏りを調整したり、余計なデータを削除したりと、贅肉をそいで、前処理をします。あらかじめ組んでおいたプログラミングに、そのデータを分析にかけ、一人ひとりの生存の可否を予測します。

　およそ5時間の格闘のはてに、ついに予測結果が出ました。

　これを実際の生存者のデータと照らし合わせてみると……正答率は、42％！　80%程度の精度を出せると合格といった感じのようなので、正直、結果はまだまだかもしれません。しかし、データミックスの担当者によれば 、

「初めての予測だと平均は60％くらいのようですが 、結果が出ないほうが多いです。受講生の理解度によって異なるとは思いますが、なかには1～2か月の受講でkaggleに挑戦することもできます。データサイエンティストの基礎体力、技術の理解のため、kaggle を受けることはオススメです」

　実はそれなりに上出来の結果だった!?　確かに短い時間でしたが、今回の講義を通して、これまでなかった人脈を増やしたり、脳の普段使わない部分を使ったりして、とても勉強になりました。

　てっきり自分は数学と縁のない人生かと思っていましたが、こうやってデータ分析、プログラミングの勉強をしてみるのもいいかもしれません。本やeラーニングにはない、みんなで一緒に勉強するという良さもあります。

　活きた知識が得られることも非常に大きいと感じました。ド文系の筆者でもやっていけるのです。気になった読者も一度、重い腰を上げてみては。

＜TEXT／井野祐真＞