#データ前処理

4件の記事

データインピュテーションは欠損値を統計的・機械学習的手法で補完する技術です。欠損メカニズムの分類、主要な補完手法、選択基準、注意点を体系的に解説します。

データラングリングは、分析に使える形にデータを変換・整備するプロセスです。データの発見から構造化、クレンジング、エンリッチメント、検証までの手順と実務での活用ポイントを解説します。

次元削減は高次元データの特徴量数を削減し、分析や可視化を効率化する手法です。PCA、t-SNE、UMAPなどの手法の違いと使い分け、ビジネスでの実践的な活用法を解説します。

特徴量エンジニアリングは機械学習モデルの予測精度を左右する最重要工程です。生データから有効な特徴量を生成・選択するプロセス、代表的な手法、ドメイン知識の活かし方を解説します。