特徴量エンジニアリング: 予測分析と機械学習モデルを向上させる7つの技法

何年もの間、データ機能の強化はデータ分析の共通の目的であり、成功するAIイニシアチブをサポートする上で重要な役割を果たしてきました。しかし、AIの価値を実現するには、特徴量エンジニアリングが不可欠です。このホワイトペーパーでは、Minitab Statistical Softwareがデータの準備に役立つ強力なツールをいくつかご紹介します。

特徴量エンジニアリングは、プロセスとその結果のデータに関する知識を使用して、予測モデルを機能させる特性または機能を抽出するタスクです。本質的に、予測モデルでは、プロセスの出力に関する予測を行うために入力データが必要です。予測モデルを構築するために選択した機能または入力は、モデルの予測の精度に大きな影響を与えます。特徴量エンジニアリングを最適に応用するために、プロセスとデータに関する知識が、正確な予測モデルの構築に役立つ機能選択の鍵となります。選択する機能は、解決しようとしている内在的な問題を表すべきで、プロセス自体の専門知識が重要になります。Minitabでは、プロセスのエキスパート、データ科学者、ビジネスアナリストなどの実践者が、プロセスの知識を活用して、困難な事業の課題を解決するデータ駆動型ソリューション探しをお手伝いいたします。

この白書では、7つの特徴量エンジニアリング技法、またMinitab Statistical Softwareを使用してうまく技法を適用する方法を取り上げます。