モデルの性能の改善する

機械学習を理解する

Hadrien Lacroix

Content Developer at DataCamp

機械学習のワークフロー

いくつかの方法

• 次元削減
• ハイパーパラメータ調整
• アンサンブル法

次元削減

特徴量の数を減らす

次元削減：例

関連性の低さ: 一部の特徴量には有用な情報が含まれていません

次元削減：例

相関：一部の特徴量は似た情報を含んでいます

• 特徴量を1つだけ残す
  • 例： _身長_ と 靴のサイズ --> _身長_
• 複数の特徴量を1つの潜在的な特徴量にまとめる
  • 例： _身長_ と _体重_ --> BMI（体格指数）

ハイパーパラメータのチューニング

ハイパーパラメータのチューニング

ハイパーパラメータのチューニング

ハイパーパラメータのチューニング

ハイパーパラメータのチューニング

ハイパーパラメータチューニングの例

SVMアルゴリズムのハイパーパラメータ：

• kernel: "linear" --> "poly"
• C
• degree
• gamma
• shrinking
• coef0
• tol
• ...

アンサンブル法

アンサンブル法：分類

アンサンブル法：回帰

練習しましょう！

機械学習を理解する