特徴選択 vs. 特徴抽出

Pythonで学ぶ次元削減

Jeroen Boeye

Head of Machine Learning, Faktion

次元削減の理由

 

次の効果があります:

• データが単純化
• 必要なディスク容量が減少
• 計算時間が短縮
• 過学習のリスクが低下

特徴選択

特徴選択

insurance_df.drop('favorite color', axis=1)

ANSURデータでペアプロットを作成

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

ANSURデータでペアプロットを作成

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

ANSURデータでペアプロットを作成

sns.pairplot(ansur_df, hue="gender", diag_kind='hist')

特徴選択

特徴選択

特徴抽出

特徴抽出 - 例

特徴抽出 - 例

練習してみましょう！

Pythonで学ぶ次元削減