はい。Viscoveryは32ビットと64ビットの両方のソフトウェアがあります。

テクニカル・サポートは、support@viscovery.netまでEメールをお送りください。

英語と日本語のViscoveryソフトウェアとそのマニュアルがございます。

もっとも一般的なサイトはたぶんカリフォルニア大学のUCI KDD Archiveで、そこにUCI Machine Learning Repositoryが置かれています。

その他、たくさんのサイトでもさまざまなデータセットを提供しています。たとえば、下記のようなところがあります:

• StatLib---Datasets Archive from Carnegie Mellon University
• Datasets for Data Mining, Analytics and Knowledge Discovery at KDnuggets
• Datasets for Data Mining from University of Edinburgh

まずは、自己組織化マップ（SOM)についてちょっとだけ調べて、その読み方や解釈の仕方を理解してください。

Viscoveryツールの試用するには、Viscovery SOMineの10日間無償トライアル・バージョンをダウンロードしてください。トライアル・バージョンは、SOMモデルが保存できないのと、グラフィックスにウォーターマークが付けられることを除いては、すべての機能が提供されています。

マップ作成のプロセスのすべてのステップを説明する Viscovery SOMineのソフトウェア・デモを視聴してください。

あなたがよくわかっている単純で小さなデータセットを用いて、ステップ・バイ・ステップでワークフローを繰り返してください。

ご質問があればsupport@mindware-jp.comにメールをください。

よりアプリケーション寄りのご相談は、コンサルティング・サポートおよびトレーニング・コースも提供しております。

統計学をそれほど理解していなくてもViscoveryを使用することはできます。結果のマップのユニークな可視化は、非統計学者でも簡単に理解できます。統計のスキルを持つユーザーの場合、ViscoveryはSOMに加えてデータを評価するためのさまざまな統計ツールを提供します。

統計学をそれほど知らなくてもよいにしても、SOMで有意義な結果を生みだすには、あなたのデータをよく知らなければならないことにご留意ください。

Viscoveryが提供する統計機能は、下記を含みます:

• 記述統計
• 相関分析
• ヒストグラム
• 度数表
• 箱ひげ図
• 散布図
• 主成分分析
• 回帰分析

国際文字のデータを含むテキスト・ファイルが正しく解釈されていることを確かにするために、BOM (byte order mark)つきのUTF-8 または UTF-16 (“Unicode”) テキスト・ファイルをご使用ください。この方法で準備されたデータは、どのような国際文字の組み合わせも可能です。テキスト・ファイルがBOMで開始されない場合は、システム・コード・ぺージと一致するようにエンコードされたテキストとして取り扱われます。その場合、データはオペレーティング・システムの言語の文字のみを含むことができます。

Viscoveryでは2つのデータ・タイプがあります:数値属性に使用する “値” と名義属性やラベルに使用する “テキスト”です。

前処理関数datetime は、日付や時間を表現するテキストを数値に変換するために使用できます。

はい。日付や時間の値を処理するには、値がテキストで格納されていて、月が数値で示されていることを確認してください。データをインポートするときに、datetime関数を使用する数式を指定して、新しい属性の定義ダイアログで新しい属性を定義してください。この関数は、テキスト値で表現された日付と時間をメトリック値に変換します。

いいえ。キーは数字で構成でき、数値属性として定義することもあり得ます。 ただし、その数字が定義された有効桁数よりも大きな桁数を持つキーを表現する場合の問題を回避するために、 それが数字でできているか文字でできているかにかかわらず、テキスト属性として定義するのがベストです。

マップ・ウィンドウの属性ピクチャおよびグループ・プロファイル ウィンドウにおいて、 名義値から派生するバイナリ属性の値は、0と1の間です。もちろん、 “Gender: male”または “Profession: Public Officer”の中間というような人はあり得ません。 その値は、このノードでの平均を表現しており、（パーセンテージのような）比率 として解釈できます。 たとえば、もし“Profession: Public Officer” = 0.345 なら、 対応するグループ（またはノード）中の人々の約 1/3 が Profession: Public Officer の値を 持つことになります（すなわち、正確には 34.5%）。

はずれ値を取り扱うために、値がより均等な分布になる変換を用いることができます。

対数変換の自動オフセットがViscovery version 6では変更されました。新しい自動オフセットは、以前のバージョンで使用していた値よりも多くのケースで適切です。以前のバージョンの変換を再現するには、古いワークフロー・ステップで使用された自動オフセット値を調べて（ステップ・レポートにあります）、version 6の自動オフセットを無効にして、古いプロジェクトで使用したオフセットを入力してください。

Viscoveryは、欠損値を持つデータレコードまたは無効なエントリを認識して、分析では 適切に取り扱います。数値属性では、数字でないすべてのエントリは、欠損値として扱われます。 名義テキスト属性では、定義されていないすべての値が欠損値として扱われます。

SOMを用いた基本操作は、 ベストマッチ・ノードを検索することです。 入力データが不完全な（欠損値を持つ）場合、 その検索は、利用可能な値に限られます。 つまり、ノードがより低次元のベクトルであるかのように扱われ（数学的には、SOMは 利用可能な値からなるデータ空間に投影されます）、その削減されたマップで検索が 行われるように、SOMが扱われます。これは、それぞれにレコードで起こります。

欠損値をマッチング・ノードの検索値に置き換えることが可能です。データマートを エクスポートするときに、データマートのレコードの欠損属性値を、SOMの対応するノード値で置き換えることさえ可能です。

スケーリングは、さまざま属性のさまざまな桁の大きさを克服するために必要です。 まず、たとえば、属性が分散=1でスケーリングされた場合、値は、2つのポイント間の （意味のある）ユークリッド距離を計算するために、さまざまな属性間で比較することができます。

範囲尺度は、分散尺度と比べて、外れ値を取り扱うための追加の方法を提供します。

外れ値はトレーニングの際にマップのレイアウトに影響し、外れ値が結果のマップで表現されすぎると予想されます。範囲尺度を使用すると最大値が8を超えないので、この効果が緩和されます。

これは、あらゆるSOMの作成において（そして、実際、一般的なデータ・モデルリングでも）、とても重要な問題です。属性に重要度を与えることは、それにアプリケーションでの特有の重要性を割り当てることを意味します。内部的には、この重要度は、分散または範囲尺度で乗じられた相対尺度係数です。属性の重みづけは、形式的に0以外の重みを与えます。 より高い重要度を持つ属性は、SOMデータ表現の順序により高い影響を得ます。 結果として、クラスタは、その属性に直交して現れる傾向があります。

重みづけをしないで属性をマップに含めることも可能です。これらの属性は、マップの順序づけには寄与しません。にもかかわらず、それらを含むことには意味があります。マップ上のそれらの値の分布を見ることができるからです。

多くのアプリケーションでは、最終的なマップは、マップの順序づけに寄与する属性が 15個を超えることはありません。多くの属性に重みづけすればするほど、それらの属性の １つずつのマップの順序づけへの寄与が少なくなることを忘れないでください。 より多くの属性がお互いに相関していると、マップの順序づけをかく乱することなしに、 それらのより多くに重みづけができます。強く相関する属性がたくさんある場合は、相関補償i>（これは自動的に相関する属性のそれぞれにより小さな重要度を与える） で調整しながら、マップのトレーニングに複数の相関する属性を使用することができます。 とはいうものの、強く相関する属性のグループには、より低い重要度を設定するべきです。

テンションは、マップの硬直性に影響します。テンションが高いほど、データへのマップの近似性が下がります。より大きなテンションは、よりスムージングされたマップとなり、ノードでの詳細性が減ります。 より小さなテンションは、逆に外れ値やノイズに左右されやすいマップを作ります。デフォルトの0.5 が、ほとんどアプリケーションで十分です。

どのマップがベストであるかは、分析の目的によって異なります。さらに、上等なマップは、アプリケーション・タスクを反映する秩序立った属性と表現を持ちます。 ただし、マップの有用性はあくまでもデータとその従属性に依存しますが、すべての属性を同時に並べることが可能ではあります。

もちろん、データ分布の固有の次元が自明でない場合は、マップを作成する意味があります。

まず、明らかにマップ中で見たいとは思わない属性は、データマートに含めるべきではありません。

たくさんのデータレコード（たとえば、10万件以上）を持っている場合、マップ作成には、 そのデータの標本のみを使用することができます。

データマート作成ワークフローの最後のステップで、データマートを保存するときに、データの標本を作成することができます。そして、そのデータマートを学習に使用するのです。

適切な重要度を発見する途上では、500個のノードだけを使ってマップを作成します。 最終のマップを生成するプロセスで、ノード数を上げればよいのです。

最初の試みでは、トレーニング・スケジュール“Fast”が、十分で（名前のとおり） とても速いです。

Bこれらの示唆に従って、マップ作成をスピードアップできます。マップ作成に使用したい 属性を発見して、適切な重要度設定ができたら、より大きな標本（あるいは、すべての データレコードでも可）と、より多くのノード（2000ノードまで）と、“Normal” または“Accurate”トレーニング・スケジュールを用いて、最終の マップを作成し直すことができます。最終的に、マップの順序づけに寄与させるべきでない属性のマップ上での分布を見るために、それらに0の重要度を用いて、マップに含めることもできます。

この色はノード自身の値を表現しており、各ノードは値を持っているからです。 実際のトレーニングが開始する前に、すべてのノードは、主平面の対応する値で初期化されて、最初のノード値を獲得します。その後、トレーニング・プロセスの間、各ノードが データレコードにマッチングしながら、ノード値が徐々にデータレコードに適合します。 しかしながら、ノードにマッチする各データレコードは、ノード自身の値に影響するだけでなく、 （データレコードのどれにもマッチしていない）近傍のノードにも影響します。

カラースケールの最初または最後のドット(...)は、表示範囲の外側に属性の数値が存在することを示します。

表示されているすべての値は、オリジナルのスケールです。スケーリングされた値は、 ユーザーから隠されており、マップの計算のときにバックグランドで使用するだけです。 Viscoveryは、ユーザーがスケールを元に戻したり、変換したりする必要がないように、 全般的に、オリジナルのスケーリングで属性を提示します。

参照グループは、2つのグループ範囲を比較して、（グループ・プロファイルウィンドウに表示される）グループ・プロファイルを計算するのに使用されます。

参照グループを定義するには、ツールバーのグループ範囲ドロップダウン・リストを用いてグループ範囲を選択し、マップ・ピクチャでノード、ノードの集合、またはクラスタを選択してください。選択を参照グループとして指定するために、編集メニューから参照グループを設定を選択してください。

そして、グループ範囲を修正して、参照グループと比較する新しいグループ範囲として、ノード、ノードの集合、クラスタを選択してください。

Viscovery versions 5.2以前では、任意の参照グループを定義することはできませんでした。その代わり、参照グループにマップ全体を選択したのと同じグループ・プロファイルが提供されていました。

1つを除いてすべての場合で、バーは、表示メニューのグループの記述サブ・メニューでの選択（5.2以前では、統計の選択ドロップダウン・リスト）によって指定されている絶対値で、選択された範囲を参照します。 ただし、属性はかなり異なる尺度を持つ可能性があるので、絶対値はしばしば比較ができません。

プロファイルが選択されている場合のみ、バーは絶対値を示しません。この場合、参照グループの平均からの選択された範囲の平均の偏差を反映します。比較可能な測度を得るために、平均の偏差が参照グループの標準偏差で割られています：すなわち、バーが短いほど、選択された範囲の平均は、標準偏差の観点で、参照グループの平均からあまり異なりません。グループ・プロファイルウィンドウのチャートで、どの属性がグループ・プロファイルを構成するかを簡単に見ることができます（すなわち、残りの集団から異なる場合は長いバーを示しています）。

クラスタウィンドウの表は、両方のオプションでクラスタ平均を示します。ただし、グループ・プロファイルウィンドウは、平均とプロファイルで異なる振る舞いをします:

プロファイルを選んだ場合、棒グラフは参照グループの平均からの選択された範囲の平均の偏差を示します。その単位は参照グループの標準偏差です: すなわち、バーが短いほど、選択された範囲の平均は、標準偏差の観点で、参照グループの平均からあまり異なりません。

平均を選んだ場合、棒グラフは、実際に、選択された範囲の属性平均値を示します。

箱ひげ図、散布図、さらに、その他の統計機能が、Viscoveryのあらゆる箇所で 文脈依存的に利用できます。これらの機能は、マップの任意の選択上で、また各ワークフローで ポップアップメニュー（すなわち、ワークフローにカーソルを置いて右クリック）から 統計量 を選んででも使用できます。

箱ひげ図は、統計ウィンドウの右から2番目のページにあり、箱ひげ図を表示させたい属性 を選びます。箱ひげ図は、色づけされた箱の内側の白線で中央値を、箱で下側と上側の四分位点を、ウィスカー（ひげ）で箱の長さの+/-1.5倍の点を、そしてウィスカーの外側の 色づけされた線ではずれ値を示します。

散布図は、統計ウィンドウの右端のページにあり、x軸とy軸にそれぞれ１つずつ属性を 選びます。散布図は、1つの属性の分布をもう1つの属性の観点から示します。通常、散布図でのポイントは、そのポイントが表現するレコードの数に応じて色づけされています。これは、データポイントの色づけドロップダウン・リストで変更できます。

ノードを選択すると、それが現在のアクティブ・ノードになり、点滅カーソルで 示されます。カラースケール上に、現在のノードの対応する値を指す小さな下向きの黒い三角形が表示されます。三角形にマウス・カーソルを合わせると、そのノードの正確な値が読み取れます。

属性値をラベルとしてマップ中に表示したい場合は、下記のステップによって、ソースデータ・ファイルからラベルをインポートする必要があります:

1. ソースデータ・ファイルを開く。
2. ラベルをインポートしたいレコードの行を選択してコピーする。
3. Viscoveryをラベル・モードに切り替える。
4. マップにそれらを貼り付けす。

あるいは、データ・ファイルのすべてのデータ・レコードの ラベルをインポートするには、Viscoveryのファイルメニューのインポート機能を使用する ことができます。（訳者：比較的小規模データの場合のみにお薦めです。）

最も早くて簡単なのは、下記の方法です:

1. データ・レコードダイアログを開く。
2. 問題のレコードを検索する。
3. それをダブルクリックする。

すると、そのデータレコードを含むノードの上にカーソルが置かれます。

他にいくつかマップ中の特定のデータレコードの場所を探す方法があります:

1. ソースデータファイルを開いて、問題のヘッドラインとレコードを選択する。
2. 選択された2行をコピーする。
3. 選別モードに切り替える。
4. レコードを貼り付ける。

そのデータレコードを格納するベストマッチ・ノードが選別されます。

あるいは、データレコードとヘッドラインをコピーしたあと、次のようにできます。

1. レベル・モードに切り替える。
2. 識別子（キー属性）が、そのデータレコードを格納するベストマッチ・ノード上に現れるように、キーをラベルとして貼り付ける。

複数のデータレコードを一度にコピーして、それらのキーをラベルとしてマップに貼り付けることができます。

あるいは:

1. 置きたいデータレコードのみを格納したファイルを準備する。
2. このファイルからラベルをインポートする。

はい、できます。マップのすべてのノード値をテキスト・ファイルに直接、または、ラベルを含むノード、選択されたノード、パスに沿ったノードのいずれかのみの値をエクスポートするには、Viscoveryのエクスポート機能を使用できます。モードのどれかが選択されている場合、マップからモードに対応するノード値をクリップボードにコピーすることもできます。

これはversion 5.2以前のみの問題です。version 6以降では、ラベルが切れないようにずらされます。

新しいバージョンにアップグレードできない場合は、手動でラベルの位置を調整してください: ラベル・モードに切り替えて（ 編集メニューからラベル・モードを選択）、半分だけ表示されているラベルを内側にドラッグしてください。長いラベルは、ノードを中心にして2行ないし3行で書くようにしてください。

ワークフローの上にマウス・ポインタを置くと、そのステップと上のステップの間の違いをがポッポアップに示されます。さらに、ステップのプロパティに違いが一覧されます。枝分かれの最初のステップについては、違いが一覧されません。

受容野はマップの順序づけには影響しません。それらは、各ノードで有意なローカル回帰を計算するために、どのデータレコードを使用するかを決定します。

まず第一段階は、このサイトのSOMテクノロジーです。 また、お薦めする文献のたくさんのリストのリンクも辿れます。 そこには、オンライン・リソースや印刷物 などがあります。(一部の学術書も含めて市販の書籍では、古い情報、誤解、誤訳に基づく記述が多いことにご注意ください。）

すべてのデータマイニング・ソフトウェアと同様、データの取り扱い方を知らなければなりません。そして、前処理が結果にどう影響するを知らなければなりません。したがって、いくらかの基本的な統計学の知識は有用です。また、SOMの読み方・解釈の仕方（上記の質問を参照）を知るべきです。これはむしろ直観的なタスクなので、たったの数分間で SOMを理解することができるでしょう。

詳しくは、SOM-Ward クラスタ・アルゴリズムを参照してください。

c個のクラスタの指標I(c)の正確な数式は、こちらです:Here are the exact formulas for the indicator of clusters:

I'(c) := [ mu( c ) / mu( c+1 ) ] - 1

I(c) := max(0, I'(c)) * 100

mu(c) := d(c) * c^-beta

ここでd(c)は、c個のクラスタをc-1個のクラスタに 融合するために使用されたWard距離です。 そして 3 <= c <ノード数。 betaは、“データ・ポイント” [ ln(c), ln(d(c)) ] の線形回帰係数 （ここで 2 <= c <= ノード数）これは、d(c) がc^-betaのように“振る舞う”からです。

さらに我々は I(1) := 0 および I(2) := 0 と定義します。そして、SOM-Wardクラスタでは、 我々は、さらに c個のクラスタでの反転のためにI(c) := 0 と定義します。 すなわち、d(c) < d(c+1)の場合。

これの背景にある考え方は、d(c) が高く、d(c+1) が低い場合、c 個のクラスタが良いクラスタであり、それは次の融合ステップ （c-1 個のクラスタを結果する）が、クラスタ内の分散を増加させるからです。

さらなる問題は、(SOM-) Ward 距離行列をどのように初期化するかです: 我々は、 各ノードでの度数（各ノードにマッチするデータポイントの数）を考慮します。

適切な重要度を識別することは繰り返しのプロセスで、それはプロジェクトの分析やビジネス目標に依存します。

初期の重要度を選んで、結果に満足するまで、マップ作成、評価、重要度の改良を繰り返します。

詳細は、以下の4つのFAQエントリーをご覧ください。

特別な質問（たとえば、購買パターン、顧客プロファイル）に答えるクラスタやセグメンテーションの定義のための重要度の発見の繰り返しプロセスは、下記のようになります：

最初に、目的に関係するすべての属性（たとえば、購買パターンでは、"製品 Aの購買", "製品 Aの収益"などの属性)に重要度 1を設定し; 残りの属性に0を設定します。

複数の繰り返しで、重要度がとても低かったにもかかわらず少し整って見える属性の重要度を上げ、とても整然としていたが他の属性の順序づけをかく乱する属性の重要度を下げます。

スコア値とスコア・グループの重要度を1に、その他の属性の重要度 0.01から 0.1の間に設定します。

いくつかの経験則があります:

• 10から15個を超える属性に（非ゼロの）重要度をかけるべきではない。より多くの属性に重要度をかけるほど、すべての属性がきれいに整う可能性が低くなる。
• 相関する属性がある場合、より多くの属性に重要度をかけてよい。
• 名義属性またはバイナリ属性のみに重要度をかけてはならない! これは、わずかのノードにデータレコードが集中して、多くのノードにはデータレコードがないという結果になる。（既知の分類をするだけで何も発見がない）。
• 名義属性がさまざまな値を持つほど、その属性の重要度はより低く抑えること。
• 欠損値を多く持つ属性の重要度は低くする。
• 属性Bが特定の値を持つときのみ、属性Aが意味をなす場合（たとえば、 „保険請求の数“ が> 0ならば、„最後の保険請求からの時間“に意味がある）、属性Aに重要度がかけられるのなら、Bは常に重要度をかけられるべきである。