Search
データーの表現の形を模索すること 主に、やなどのシンプルなモデルが影響を受ける 決定木とかはほとんど影響受けない、 NN, , とか受けることもある の重要な仕事 パラメーターの調整より重要なこともある 例: job変数の値が{student, engineer, chef}の三種の場合、One-hotで{1,0,0}のように表す それぞれに数字が割り当てられてる場合もある、それでも連続値ではない（順番に意味がない）から、そのまま数値として扱わないように注意 [ビニング]]化) 連続値を区切って、クラスにする 多項式特徴量 とかだと、xというパラメーターがあった時にx^2,x^3とかも追加すると曲線で分離できる 決定木とかだとむしろ性能下げるかも 累乗だけではなく、sin, cos, logとかも使える を描くデーターだとよく学習できるから、それに変形するために使ったり 自動特徴量選択 役に立つ特徴量を自動で選んで特徴量の数を減らすと、汎化性能が上がる 統計的な相関が高いやつを選ぶとか モデルを学習させて、そのモデルから特徴量の重要度を得て、重要だった特徴量を使ってさらに学習するとか ↑を繰り返すとか 専門家の知識を使う 統計データーからじゃ読み取れないけど、人間ならわかる知識もある それを考慮しながらエンジニアリングをしていく #Pythonで始める機械学習...