まとめ

Rによる次元削減

Matt Pickard

Owner, Pickard Predictives, LLC

第1章 - 次元削減と特徴情報

• 情報 ― 欠損値、低分散、相関
• 情報利得と特徴量の重要度
• 次元の呪い

第2章 - 教師なしの特徴選択

• 特徴選択 vs. 特徴抽出
• 教師なしの特徴選択:
  • 欠損率フィルター
  • 低分散フィルター
  • 相関フィルター
• tidymodels のレシピ手順

特徴選択

特徴抽出

第3章 - 教師ありの特徴選択

• tidymodels によるモデル構築を復習
• 教師ありの特徴選択: Lasso 回帰、ランダムフォレスト
• 縮小モデルの性能を評価

第4章 - 特徴抽出

• 主成分と特徴ベクトル
• 主成分分析
• t-SNE
• UMAP

おめでとうございます！

Rによる次元削減