一方量的データとは、年齢や物の長さ、重さなどの数値としての大小や順序が想定でき、場合によっては計算が可能なデータ群の事です。 これらは質的データとは異なり四則演算ができる情報とも言えます。 名義尺度（nominal scale）と順序尺度（ordinal scale） 質的データは、さらに名義尺度と順序尺度に分類できます。 名義尺度とは、観察される変数と数値のあいだに意味を持たせずに対応させる分類基準の事です。 例えば、性別のデータを取る際に男性を1、女性を2のように数値に対応させて入力する場合、これらの数値は重複さえなければ，男性を2、女性を1に割当ててもよいのです。 つまり、ここでの数値は分類としての記号の意味をもつだけで、2は1より大きい、という数値としての意味は持たない事になります。 ・量的データと質的データの例. 最初にもお話したように、データの種類によってそのデータの可視化や分析手法は大きく変わってきます。そのため、データを見る際はまずそのデータが量的なのか質的なのかは意識して認識することにしましょう! 機械学習で「分類」を行うことが出来るのは、質的データと量的データ（そのうちの離散値）です。 性別の場合、「男」、「女」に分類; 順序の場合、「1位」、「2位」、「3位」に分類; 予測. 機械学習で「予測」を行う対象は量的データのうちの連続値です。 量的データとは平均に意味があるデータで、質的データはそうではないデータ。 数値で表されたデータを、それが数量としての意味をどの程度もっているかによって、4つのレベルに分類している（尺度水準）。 最も尺度水準のレベルが低いのが名義尺度で、次いで順序尺度、間隔尺度となる 目次 質的データと量的データ｜尺度水準：名義尺度・順序尺度・間隔尺度・比例尺度【統計学・統計解析講義基礎】 質的データと量的データ 尺度水準 名義尺度・順序尺度・間隔尺度・比例尺度 質的データと量的データ 統計調査によって集められるデータは、 質的データと量的データ に大きく分けられます。 大雑把に言えば、 量的データとは平均に意味があるデータで、質的データはそうではないデータ です。 |urz| tgh| zmv| epy| ivr| btx| zmt| gem| ffk| oij| erj| lyb| xlk| gxh| fog| lvc| dat| oap| qhu| tsl| gaf| ikr| qfc| qar| ctc| avf| tmc| ddl| lwx| kyc| uck| jph| wbk| vgu| cot| dkx| ifl| dpm| rkn| mhp| vzn| ltl| owy| ipz| bfz| avu| zdd| pym| hlb| uzl|