基本となる3つの特徴選択手法とPythonでの実装

特徴量選択（変数選択）は、機械学習系の予測モデルなどを構築するとき、最初に行う重要なステップの1つです。 予測に寄与しない特徴量（説明変数）を取り除くことで、よりシンプルな予測モデルを構築を目指します。 色々な考え方や手法、アプローチ方法があります。 今回は、「基本となる3つの特徴選択手法とPythonでの実装」というお話しです。 基本となる3つの考え方 幾つかやり方がありますが、基本となるのは次の3つ考え方です。 フィルター法（Filter Method） ラッパー法（Wrapper Method） 埋め込み法（Embedded Method） フィルター法（Filter Method） フィルター法は最もシンプルなアプローチです。 ある基準をもとに、必要な特徴量選択（変数選択）していくからです。 最も簡単なのは、相関係数を利用した方法です。 各特徴量（説明変数）に対し目的変数との相関係

[misshiki]

うお話しです。 Contents [hide][Python][機械学習]基本となる3つの考え方 フィルター法（Filter Method） ラッパー法（Wrapper Method） 埋め込み法（Embedded Method）”