分類：特徴量エンジニアリング

Pythonで学ぶMachine Learning面接対策

Lisa Stuart

Data Scientist

特徴量エンジニアリングの目的

• データから追加情報を抽出
• 有用な特徴量を追加作成
• 予測モデルを改善する最有効な手段の一つ

特徴量エンジニアリングの利点

• 学習アルゴリズムの予測力を向上
• 機械学習モデルの性能がさらに高まる

特徴量エンジニアリングの種類

• 指標変数
• 交互作用特徴量
• 特徴表現

指標変数

• しきい値インジケータ
  • 年齢: 高校 vs 大学
• 複数特徴
  • フラグとして使用
• 特別なイベント
  • ブラックフライデー
  • クリスマス
• クラス群
  • 有料トラフィックのフラグ
    • Google AdWords{4}}
    • Facebook広告

交互作用特徴量

• 和
• 差
• 積
• 商
• その他の数式の組合せ

特徴表現

• 日時スタンプ
  • 曜日
  • 時刻（時）
• カテゴリの一部を「Other」に集約
• カテゴリをダミー変数へ変換
  • （k - 1）の二値列

カテゴリ水準の不一致

• 学習データ:
  • モデルは [red, blue, green] で学習

• テストデータ:

  • モデルを [red, green, yellow] で評価
  • 学習時にない色が追加
  • 1 色欠落

• 堅牢なワンホットエンコーディング

¹ https://blog.cambridgespark.com/robust-one-hot-encoding-in-python-3e29bfcec77e

負債所得比率

• Monthly Debt
• Annual Income/12

特徴量エンジニアリングの関数

関数	返り値
sklearn.linear_model.LogisticRegression	ロジスティック回帰
sklearn.model_selection.train_test_split	学習/テスト分割関数
sns.countplot(x='Loan Status', data=data)	棒グラフ
df.drop(['Feature 1', 'Feature 2'], axis=1)	特徴量リストを削除
df["Loan Status"].replace({'Paid': 0, 'Not Paid': 1})	Loan Status を整数化
pd.get_dummies()	k - 1 の二値特徴量
sklearn.metrics.accuracy_score(y_test, predict(X_test))	モデル精度

おすすめのチュートリアル:

Datacamp 記事: カテゴリデータ

練習してみましょう！

Pythonで学ぶMachine Learning面接対策