# 探索的データ解析（EDA）

> 探索的データ解析（EDA） - EDAはDataRobotが採用する2ステージプロセスで、まずデータセットを解析し、その主要な特性のサマリーを作成してから、モデルを構築します。

This Markdown file sits beside the HTML page at the same path (with a `.md` suffix). It summarizes the topic and lists links for tools and LLM context.

Companion generated at `2026-07-23T18:01:59.797143+00:00` (UTC).

## Primary page

- [探索的データ解析（EDA）](https://docs.datarobot.com/ja/docs/reference/data-ref/eda-explained.html.md): Full documentation for this topic (Markdown sidecar).

## Sections on this page

- [EDA1](https://docs.datarobot.com/ja/docs/reference/data-ref/eda-explained.html.md#eda1): In-page section heading.
- [EDA2](https://docs.datarobot.com/ja/docs/reference/data-ref/eda-explained.html.md#eda2): In-page section heading.

## Documentation content

EDA （探索的データ解析）は、DataRobotでデータセットを解析してその主要な特性のサマリーを作成するためのアプローチです。 一般的に、EDAにはEDA1とEDA2という2つの段階があります。EDA1は、データのサンプルに基づくサマリー統計を提供します。 EDA2はモデル構築に使用されるステップで、選択したオプションに基づいてデータセット全体が使用されます（以下参照）。

以下は、1GB未満のデータセットに対するDataRobotモデルの構築プロセスを表しています。

1. データセットをインポートします。
2. DataRobotによってEDA1が起動されます（日付型の特徴量が検出された場合は、 特徴量の変換 が自動的に作成されます）。
3. EDA1が完了したら、ターゲットを選択し、開始をクリックします。
4. データが分割されます。
5. エクスペリメントを設定して実行すると、DataRobotはモデル構築中にEDA2を起動します。

次の表に、EDAのコンポーネントを示します。

| 分析タイプ | 分析します |
| --- | --- |
| 自動データスキーマとデータ型 | 数値（数値統計、平均値、標準偏差、中央値、最小値、最大値）カテゴリーブーリアンテキスト特殊な特徴量タイプ、日付通貨パーセンテージLength画像地理空間ポイント地理空間ラインまたはポリゴン |
| データの視覚化 | ヒストグラム上位50項目の頻度分布時間の経過モデリングにおける列の妥当性 (空でない、重複しない)平均値外れ値ターゲットへの特徴量の相関 |
| データ品質チェック | インライア外れ値偽装欠損値過剰なゼロターゲットリーケージ欠損画像重複画像 |
| 特徴量の関連性の行列 | 指標を使用して数値データとカテゴリーデータをサポートします。共通情報クラメールのVピアソンスピアマン |

## EDA1

データをアップロードすると、DataRobotは、適切な変換や拡張を行った後、最大500MBのデータセットに対してEDA1を計算します。 拡張済みのデータセットが500 MB未満の場合、データセット全体が使用されます。500 MB以上の場合は、500 MBのランダムサンプルが使用されます（データセットが500 MB以上の場合は500 MB相当のランダムサンプリングが取得されます）。

> [!NOTE] 備考
> 大規模なデータセットの場合、EDA1中に高速EDAが実行され、入力データセットの一定量だけを使用して早期ターゲットの選択が計算されます。 使用されたデータの近似パーセンテージを示すメッセージが表示されます。 大規模データセットの早期ターゲットセクションの「 [詳細情報](https://docs.datarobot.com/ja/docs/classic-ui/data/import-data/large-data/fast-eda.html.md#fast-eda-and-early-target-selection) 」を参照してください。

EDA1では以下の要素が返されます。

- 特徴量タイプ
- 特殊な特徴量タイプ
- 数値の場合、数値統計
- 上位50項目の頻度分布
- モデリングにおける列の妥当性（空でない、重複しない）

## EDA2

エクスペリメントを実行すると、DataRobotは、EDA1に使用されたデータの一部についてEDA2を計算します。この際、ホールドアウトデータ（ホールドアウトデータが存在する場合）に含まれる行や、ターゲットが `N/A` である行は除外されます。 データセット全体を使用してターゲット列にも追加の計算が実行されます。

EDA2では以下の要素が返されます。

- EDA1で行われた数値統計の再計算。
- ターゲットに対する特徴量の相関（初期特徴量の有用性の計算）。 使用するターゲットデータは、その他のすべての列に使用されたサンプル部分からのものです。

以下の列タイプは「無効/非有益」としてフラグが設定され、変換できません。モデリングにも使用されません。

- 重複する列。
- 空の列およびモデリングを行うための十分なデータが欠如している列。
- 固有の識別子だけを含む列（リファレンスID列）。