コーヒーの味を散文図にする

前回のブログの投稿が2016-11-15。
四半期近くブログをサボっていたことになります。
やっぱり一週間に１回更新するのって無理があると思います。
頑張りましょう。統計を学べば色々書けるはず。

何かネタは無いかと考えた結果
「そういえば主成分分析って書いたこと無いよね」
と思い当たりました。

0.主成分分析とは

(Python・Rを使えば)計算が簡単で、それっぽい結果が出る頼もしい統計方法です。
多変量データを統合して、新たな指標を算出できます。
詳しく解説するとボロが出そうなので今回は触り程度に。少し脚色しています。

例えばこんなデータ
・とあるレストランのアンケート結果

何となく
顧客Aと顧客Bは同じ価値観？
顧客Cと顧客Dは同じ価値観？
一人だけ値段を「5」にしている顧客Eは特殊？
といった印象を持つのですがいまいち説得力が出ません。
かといって変数が4つもあるので図にするのも難しいです。
そこで次元を縮小して作図できるような値に直します。

これなら散布図が作れます。

あとは
縦軸・横軸が何を示しているのか
どのようなグループがあるのか
といったことを分析していきます。

今回だと（データが少ないので言い切れない部分もありますが）
・横軸
全体的な満足度。右に行くほど満足している顧客。
・縦軸
値段の満足度？
ということが分かりますね。
「顧客Cと顧客Dは価値観が似ているので、このグループ向けのイベントをしてみよう」といった計画も立てられるわけです。
もうここまで書いたらコーヒーの分析って不要な気がしてきました。

1.使用するデータ

個人的にお世話になっている
world beans shop
のコーヒー豆の味のパラメータを使用します。
このお店では四つの成分
甘味・酸味・苦味・コク
で表現されています。それぞれ0~5の数値です。
この4つの変数の値と豆の種類のデータを使わせてもらいました。

2.解析

取得したデータがコチラ。
スタンダートコーヒーのデータです。

これをsklearnのPCAに放り込めば2次元に縮小されたデータが取り出せます。

散布図にすると以下のようになりました。
四つの成分の数値が同じ商品が何個かあり、そこは重なっています。
想像以上にバラバラに配置されましたね。

・横軸
成分の全体量ですね。
左はあまり主張しないコーヒー、右に行くと個性的な(成分の値が高い)コーヒーと思われます。
品種的にも左はブラジル・コロンビア産、右にはエチオピア産(モカ)・ケニア産(キリマンジャロ)なので納得できる感じです。
・縦軸
何でしょうコレ？
「コク」っぽい感じはするんですけど・・・上はあっさり系で、下は濃い感じでしょうか。
四つの成分の割合の寄り具合にも関係してそうです。
全ての品種の味が分からないので特定は難しいですね。

3.まとめ

主成分分析で、複数の成分を持つデータから解釈しやすいデータへの変換ができました。
散布図が何を示しているかは、もっと踏み込んだ解析が必要ですね。無視してる係数もありますし・・・。
何にせよ散布図に直すと気持ちが良いですね。
「グァテマラが美味しかったから、傾向が似ているタンザニアAAを注文しよう。」
「逆に真逆の位置にあるコロンビアを注文するか・・・」
と色々考えることが出来ます。