GRI（Generalized Rule Induction）とは？
― 情報量ベースで関連ルールを抽出するアルゴリズム

データのアソシエーションルールを発見するアルゴリズム。ルールの一般性（範囲）と精度（確信度）の両方を考慮した指標を使用して、最大の情報内容を抽出します。数値入力とカテゴリ入力を処理できますが、対象はカテゴリであることが必要です。

難易度：★★☆ 想定読了：6分 最終更新 2026.05.17 監修：スマート・アナリティクス代表
分析手法を相談する SPSS製品選定を見る

GRI（Generalized Rule Induction）とは

データのアソシエーションルールを発見するアルゴリズム。ルールの一般性（範囲）と精度（確信度）の両方を考慮した指標を使用して、最大の情報内容を抽出します。数値入力とカテゴリ入力を処理できますが、対象はカテゴリであることが必要です。

GRI（Generalized Rule Induction）で分かること

  • 高い情報量を持つアソシエーションルール
  • 一般性と精度のバランスの取れたルール
  • Aprioriとは異なる視点からのルール
  • 推薦・分類のためのルールベース

GRI（Generalized Rule Induction）の主な種類

観点GRIApriori
評価基準情報量（一般性×確信度）支持度・確信度
速度中規模問題で安定大規模問題で高速
対応データ型数値・カテゴリカテゴリのみ

研究・ビジネスでの利用シーン

高情報量ルールの抽出

マーケティング

支持度だけでなく情報量を重視したルールを抽出し、施策の優先順位付けに活用します。

ルールベース分類

分類問題

「ひげそりとアフターシェーブを買う→シェービングクリームも買う」のような複合ルールを抽出します。

別視点でのルール検証

Apriori 補完

Apriori 結果と比較し、頑健なルールを特定します。

SPSSで実施する場合の製品選定

GRI（Generalized Rule Induction）をSPSSで実施する際に必要となる製品とオプションを整理します。

やりたいこと対応製品備考
GRI アルゴリズムIBM SPSS Modelerデータマイニング基盤
Apriori との比較IBM SPSS Modeler両アルゴリズム搭載

分析時の注意点

  • 対象変数はカテゴリ型である必要がある
  • ルール数が多い場合は情報量で絞り込む
  • Aprioriよりも計算負荷が高い場合がある
  • ルールは共起であり因果ではない

GRI（Generalized Rule Induction）の進め方、専門家がサポートします

分析設計の段階から、結果解釈・論文記述まで——研究テーマに応じてご相談いただけます。
必要なSPSS製品の構成もあわせてご提案します。

無料オンライン相談（30分） 価格・見積を依頼

お電話でのご相談：0120-835-761　受付 9:00–18:00（土日祝除く）

よくあるご質問

Q.Apriori と GRI どちらを使う？
大規模問題ならApriori、情報量を重視した中規模問題ならGRIが推奨されます。両者を比較するのが堅実です。
Q.数値入力ができるのは利点？
数値変数を含むデータで前処理（ビン分割）を最小化できる利点があります。ただし対象（出力）はカテゴリです。
Q.ルールの解釈はどうする？
支持度・確信度・情報量を見ながら、業務知識と照らし合わせて意味あるルールを選別します。

お気軽にご相談ください0120-835-761受付時間 9:00-18:00 [ 土・日・祝日除く ]

問合せ・見積・注文をする お気軽にお問い合わせください