Alkano

Alkano では、棒グラフ、散布図、ヒストグラム、箱ひげ図など、さまざまなグラフをマウス操作で簡単に出力できます。 グラフは図として保存できます。

手間のかかる工程ですが、データ分析で最も重要と言える工程です。 分析課題やデータの特性にあわせて、背景知識も利用して、その後の分析に適したようにデータを加工します。 Alkano では、クリーニング、サンプリング、ソート、データの正規化などが、簡単に実行することができます。 テキストデータの分かち書きや文書をベクトル化する機能も搭載されています。

テキスト分析に役立つ機能を厳選して提供
単語と単語の意味的つながりやニュアンスの情報を自動で推定して、文章を文節単位に区切る「形態素･構文解析+」機能をはじめ、語の長さや頻度から語を絞り込む「語句のフィルタリング」機能や、ルールベースで文章にラベルを付与するのに便利な「ルールベース文書ラベル付与」機能など、テキスト分析に役立つ様々な機能を厳選して提供しています。

「形態素・構文解析+」のイメージ

教師値付きの学習データが存在する場合、「予測」や「分類」といったタスクを実行できます。 線形回帰、ロジスティック回帰、Elastic Net、決定木、ランダムフォレスト、ニューラルネットワーク、 サポートベクターマシン、勾配ブースティング決定木など、さまざまな機械学習のアルゴリズムを実行できます。

教師値が存在しないケースでも、データの特徴抽出やクラスタリングを実行できます。 多変量解析、k-means 法、One Class SVM、Isolation Forest、アソシエーション分析、 ネットワーククラスタリング、二項ソフトクラスタリングなどさまざまな機械学習のアルゴリズムを実行できます。

ディープラーニングの機能をマウス操作で利用できます。 テーブルデータ、時系列データ、テキストデータ、テキスト＋属性データの 4 つの入力データのパターンに対し、ディープラーニングによるモデリングや予測を実行できます。

ベイジアンネットワークは、事象（＝事柄、出来事、現象）間の因果関係や依存関係を、ノード（楕円）と矢印から成るグラフ構造のモデルで可視化する分析手法です。データから構造を機械的に推定（構造学習）してベイジアンネットワークを構築し、その構造自体から知見を得ることができます。また、条件を設定して特定の事象の発生確率を推定（確率推論）することができます。

標準で搭載されていない機能などは Python スクリプト機能上で Python コードを書いて実行できます。 Python スクリプトの編集画面では IPython が利用でき、 結果を確認しながらスクリプトを作成できます。 R のスクリプト実行も可能です。