始める無料で始める

ホーム
コース
Pythonで学ぶMachine Learningの前処理

学習用データとテスト用データ

Create Your Free Account

or

Email Address

Password

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

この演習はコースの一部です

Pythonで学ぶMachine Learningの前処理

SkillTag.level.intermediateSkillTag.label

4.8+

無料でコースを始める

この章では、データの前処理とは具体的に何を指すのかを学びます。データ型の確認や欠損値への対処など、前処理の最初のステップに取り組みます。

Exercise 1: 前処理の概要 Exercise 2: 欠損データを探る Exercise 3: 欠損データの削除 Exercise 4: データ型を扱う Exercise 5: データ型を調べる Exercise 6: 列の型を変換する Exercise 7: 学習用データとテスト用データ

現在の演習

Exercise 8: クラス不均衡 Exercise 9: 層化サンプリング

この章ではデータの標準化に焦点を当てます。多くのモデルは、特徴量の分布やスケールについて前提を持っています。標準化は、データをその前提に合うよう整え、アルゴリズムの性能を高めるための方法です。

Exercise 1: 標準化 Exercise 2: 標準化を行うタイミング Exercise 3: 正規化なしでモデリングする Exercise 4: 対数正規化 Exercise 5: 分散を確認する Exercise 6: Pythonでの対数正規化 Exercise 7: 特徴比較のためのスケーリング Exercise 8: データのスケーリング - 列を調べる Exercise 9: データのスケーリング - 列の標準化 Exercise 10: 標準化データとモデリング Exercise 11: スケーリングなしデータでのKNN Exercise 12: スケーリングしたデータでのKNN

このセクションでは特徴量エンジニアリングについて学びます。既存の特徴量から、より有用な新しい特徴量を作成するさまざまな方法を扱います。数値とテキストの両方の特徴量から、エンコード、集約、情報抽出を行う方法を見ていきます。

Exercise 1: 特徴量エンジニアリング Exercise 2: 特徴量エンジニアリング知識チェック Exercise 3: 特徴量エンジニアリングの候補を見つける Exercise 4: カテゴリ変数のエンコード Exercise 5: カテゴリ変数のエンコーディング - バイナリ Exercise 6: カテゴリ変数のエンコーディング - ワンホット Exercise 7: 数値特徴量のエンジニアリング Exercise 8: 数値特徴量の集約 Exercise 9: datetime の成分を抽出する Exercise 10: テキスト特徴量の設計 Exercise 11: 文字列パターンの抽出 Exercise 12: テキストのベクトル化 Exercise 13: tf/idf ベクトルを用いたテキスト分類

この章では、データセットから最も重要な特徴量を選ぶためのいくつかの手法を扱います。冗長な特徴量の削除、テキストベクトルの扱い、主成分分析（PCA）を用いた特徴量数の削減について学びます。

Exercise 1: 特徴選択 Exercise 2: 特徴選択を使うタイミング Exercise 3: 特徴量選択の対象を見つける Exercise 4: 冗長な特徴量の削除 Exercise 5: 関連する特徴量の選択 Exercise 6: 相関のある特徴量を確認する Exercise 7: テキストベクトルを用いた特徴量の選択 Exercise 8: テキストベクトルを探る（パート1）Exercise 9: テキストベクトルを探る（その2）Exercise 10: 特徴選択でNaive Bayesを学習する Exercise 11: 次元削減 Exercise 12: PCA を使う Exercise 13: PCA を使ったモデル学習

ここまで学んだ前処理の知識を活かし、UFO の目撃情報を記録したデータセットで実際に手法を試していきます。

Exercise 1: UFOと前処理 Exercise 2: 列の型を確認する Exercise 3: 欠損データの削除 Exercise 4: カテゴリ変数と標準化 Exercise 5: 文字列から数値を抽出する Exercise 6: 標準化すべき特徴量の特定 Exercise 7: 新しい特徴量の作成 Exercise 8: カテゴリ変数のエンコーディング Exercise 9: 日付から特徴量を作る Exercise 10: テキストのベクトル化 Exercise 11: 特徴選択とモデリング Exercise 12: 最適なデータセットを選ぶ Exercise 13: UFOデータセットでモデリング（その1）Exercise 14: UFOデータセットをモデリングする（その2）Exercise 15: おめでとうございます！