【8分でわかる】特徴量エンジニアリングの重要性とテクニック
Рет қаралды 15,645
Күн бұрын
@aiby8596 4 жыл бұрын
【視聴ガイド】 00:48 特徴量エンジニアリングとは 02:23 特徴量エンジニアリングのテクニック 03:20 One hot encoding 04:29 Frequency encoding 04:45 Target encoding 05:20 クラスタリングで特徴量作成 05:43 欠損値の処理
@サチ-u1x 2 жыл бұрын
コンセプトも声も内容も全部聞きやすくて、勉強になってます。助かります☺️🌸
@aiby8596 2 жыл бұрын
ありがとうございます！！
@ph4746 3 жыл бұрын
自分用メモ 説明変数→原因となってる変数 目的変数→結果となってる変数 決定木モデルではone-hot-encodingが必要ない one-hot-encodingには変数同士の重複による多重共線性の危険がある target encodingでは目的変数の情報を特徴量に用いることになるからリークに気をつける必要がある
@road_to_x0 7 ай бұрын
特徴量エンジニアリングにおすすめの本とかないですかね？😭 機械学習の知識は、はじめてのパターン認識(平井著)を数式含めて理解しているくらいなので、最新の手法とかは分からないレベルです。。
@aiby8596 7 ай бұрын
「kaggleで勝つデータ分析の技術」がオススメです！
@road_to_x0 7 ай бұрын
@@aiby8596 ありがとうございます！これは有名な書籍ですね。週末、紀国書店行って見てきます！
@ph4746 3 жыл бұрын
説明変数が特徴量なんですね！
@aiby8596 3 жыл бұрын
そうなんです！
@lionemaru225 4 жыл бұрын
ありがとうございました！ テクニックも大事だとは思いますが、試す▷NG▷やり直すと言った不屈の精神も大事なのかなと感じていたりしてます。 スムーズにキレイに真っ直ぐに走れることもあるのでしょうか？
@aiby8596 4 жыл бұрын
松本達也 どこまで精度を求めるかによりますので一概には言えませんが、やはりある程度の不屈の精神は必要ですね。 ただ、意外と精度を高める部分よりもそのアウトプットをどのようにビジネスに落とし込むかの部分の方が大変だったりします。。。
@lionemaru225 4 жыл бұрын
@@aiby8596 ありがとうございました！ ビジネスへの落とし込み方ですか、勉強になりました。
@んぱ-v1v 8 ай бұрын
05:00 のところBが2つあるのはミスでいいんだよね
Marusya Outdoors
Рет қаралды 100 МЛН
スタビジ【誰でもAIデータサイエンス】byウマたん
Рет қаралды 34 М.