変更要約: MLS-C01 第2章を深掘り（相関種別Pearson/Spearman・VIF/対数変換・可視化のAWS手段(Data Wrangler/QuickSight)と落とし穴/t-SNE・リーク2種/前処理順序/Glue DataBrew/時系列分割＋比較表・シナリオ・FAQ・ひっかけ、図ja化）
2.2可視化による探索
見て掴む——ヒストグラム、箱ひげ図、散布図、相関ヒートマップ——の使い分けを理解します。目的に合う図でデータの特徴を素早く把握します。
数字だけでは見落としがちな特徴も、可視化すれば一目で掴めます。何を知りたいかに応じて図を選びます。
2.2.1図の使い分け
- ヒストグラム：1 変数の分布（形・歪み）を見る。
- 箱ひげ図：ばらつき・四分位・外れ値を見る。グループ比較に便利。
- 散布図：2 変数の関係（相関・トレンド・クラスタ）を見る。
- 相関ヒートマップ：多数の特徴量の相関行列を一度に俯瞰する。
「1 変数の分布＝ヒストグラム」「外れ値・四分位＝箱ひげ図」「2 変数の相関＝散布図」「多数特徴量の相関＝ヒートマップ」 は MLS-C01 で頻出です。「外れ値を視覚的に見たい」なら箱ひげ図、が定番です。
MLS-C01 では「どの図で何が分かるか」に加え、AWS での可視化手段と図の落とし穴が問われます。AWS では SageMaker Data Wrangler がデータ品質インサイトレポート（欠損率・分布・ターゲットとの相関・重複・リーク検出）と各種チャートを自動生成し、QuickSight は ML インサイト（異常検知・予測・自然言語のナラティブ）付きの BI ダッシュボードを提供します。アドホックには SageMaker Studio ノートブックで matplotlib/seaborn を使います。図の選択を一段深めると、ヒストグラムはビン幅で印象が変わる（粗すぎると形が潰れ、細かすぎるとノイズになる）ため複数試す、箱ひげは外れ値とグループ間比較に強いが分布が二峰性だと隠れる（その場合はバイオリン図）、散布図は点が多いと重なり（オーバープロット）で密度が見えないため透明度やサンプリング・密度ヒートマップで補う、相関ヒートマップは線形相関しか捉えないため非線形関係は見落とす、といった注意があります。多次元データの可視化には t-SNE/UMAP（高次元を 2 次元に写像してクラスタを目視）や PCA を使い、時系列なら折れ線と季節性・トレンドの分解（STL 等）を見ます。クラス不均衡は棒グラフで件数比を、欠損は欠損パターンのヒートマップで確認します。
| 知りたいこと | 図 / 手段 | 落とし穴 |
|---|---|---|
| 1 変数の分布 | ヒストグラム | ビン幅で印象が変わる |
| 外れ値・群比較 | 箱ひげ図/バイオリン | 二峰性は箱ひげで隠れる |
| 2 変数の関係 | 散布図 | 多点でオーバープロット |
| 高次元のクラスタ | t-SNE / UMAP / PCA | 距離の解釈に注意 |
| AWS で品質把握 | Data Wrangler インサイト | 自動だが確認は人が行う |
シナリオ：数十万行・多数の特徴量を持つデータの品質と関係性を、コードを書かず素早く把握したい。→ SageMaker Data Wrangler のデータ品質インサイトレポートで欠損率・分布・ターゲット相関・重複・潜在的リークを自動把握し、相関ヒートマップで関連特徴量を俯瞰。ダッシュボードで共有するなら QuickSight（ML インサイト付き）を使う。
FAQ：Q. 散布図で点が潰れて密度が見えない? A. オーバープロット。透明度・サンプリング・密度（hexbin/2D ヒートマップ）で対処。Q. 相関ヒートマップで関係が無いと出たのに実は関係がある? A. ヒートマップは線形相関のみ。非線形関係は散布図や相互情報量で確認。Q. 高次元のクラスタを見たい? A. t-SNE/UMAP で 2 次元に写像する（ただし距離の絶対値は過信しない）。
ひっかけ：「相関ヒートマップで相関が 0 に近い＝関係がない」は誤り。ピアソン相関は線形関係しか測らないため、U 字などの強い非線形関係でも相関係数は 0 に近くなりうる。散布図や相互情報量で非線形を確認する。また「ヒストグラムの形は常に正しい」も誤りで、ビン幅次第で印象が変わる。
2.2.2この節のまとめ
- 1 変数＝ヒストグラム/箱ひげ図、2 変数＝散布図
- 多数の相関＝ヒートマップ
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 1 つの数値変数の分布の形（歪みなど）を視覚的に確認したい。どの図を使いますか？
Q2. 2 つの数値変数の相関やトレンドを視覚的に確認したい。どの図を使いますか？
Q3. 外れ値や四分位（ばらつき）を視覚的に確認し、グループ間で比較したい。どの図を使いますか？