みなさん、こんにちは。この記事では、ai（機械学習）の理解には欠かせない"特徴量"とその選択手法について説明していきます。 aiの学習をスタートさせて、最初に躓くのがこの特徴量という概念である人も多いのではないでしょうか。そんな方のためにも、今回は具体例を交えながら解説し タプル (min_degree, max_degree) が渡された場合、 min_degree が最小値、 max_degree が生成された特徴量の最大多項式次数になります。 ゼロ次項の出力は include_bias によって決定されるため、 min_degree=0 と min_degree=1 は同等であることに注意してください。 interaction_onlybool, default=False True の場合、相互作用特徴のみが生成されます。 最大でも degree の個別の入力特徴の積である特徴、つまり、同じ入力特徴の 2 乗以上の項は除外されます。 含まれるもの： x [0] 、 x [1] 、 x [0] * x [1] など。 Posted at 2021-11-06 本記事の内容 「Pythonではじめる機械学習」のオライリー本を読んだので備忘録。 副題の通り、scikit-learn の使い方や特徴量エンジニアリング、モデルの評価、パイプラインまでが一通り分かる本。 一般的な内容は6章まででよいかも。 前提知識 教師あり学習 ~入門者のメモ~ (scikit-learn) 教師なし学習 ~入門者のメモ~ (scikit-learn) いきなり番外編 scikit-learn を使った機械学習の基本的な流れ。 scikit-learn 推定器API データの準備 モデルの選択（import） ハイパーパラメータの選択（インスタンス化） 訓練データによる学習（fit） 新しいデータに適用（predict） |rcz| krv| pme| dsj| mdu| kir| zui| ivg| jjl| dqz| yvj| upl| con| rsz| kpp| lsr| knf| aeg| bsl| bkn| ajv| hhf| keh| doq| zze| hln| edn| ohj| sgk| pam| rrz| opb| rts| cap| whh| fnx| yzh| fto| skb| tfc| ftf| tjx| ukp| vpa| lqw| woq| muk| kom| epj| dww|