わずかに加工した ANSUR データセットのサブサンプルを使います。頭部の計測値のみが読み込まれており、head_df として用意されています。
head_df
この演習はコースの一部です
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Create the boxplot head_df.____ plt.show()
この章では次元削減の概念を紹介し、その重要性と使いどきを学びます。特徴量選択と特徴量抽出の違いを理解し、両手法を用いてデータ探索を行います。章の最後では、高次元データを可視化できる強力な特徴量抽出手法である t-SNE を学びます。
特徴量選択に関する2章構成のうち最初の章では、次元の呪いと、それを乗り越えるための次元削減について学びます。分散が小さい、欠損値が多い、または他の特徴量と強く相関しているといった理由で、データセットにほとんど価値を追加しない特徴量を検出・除去するための手法をいくつか紹介します。
現在の演習
特徴量選択の2つ目の章では、特定の目的変数を予測するために、どの特徴量が最も重要かをモデルに見つけさせる方法を学びます。章の最後のレッスンでは、複数の異なるモデルの助言を組み合わせて、保持すべき特徴量を判断します。
この章では、最も頻繁に使われる次元削減アルゴリズムである Principal Component Analysis (PCA) を掘り下げます。なぜこのアルゴリズムが強力なのかについて直感を養い、データ探索とモデリングパイプラインの前処理の両方で適用します。最後は、画像圧縮のクールなユースケースで締めくくります。