エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください
Twitterで共有ONにすると、次回以降このダイアログを飛ばしてTwitterに遷移します
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
#1.特徴選択 特徴選択の目的は、どの説明変数がどの程度目的変数の値に影響するか調べること(説明変数... #1.特徴選択 特徴選択の目的は、どの説明変数がどの程度目的変数の値に影響するか調べること(説明変数影響解析)。 ##1.1.線形回帰モデルによる特徴選択 線形回帰分析の結果を基にした特徴選択は、得られた線形回帰モデルの係数を見ることである程度議論できる(係数が大きな説明変数は影響が大きいなど)が、係数を比較する前に正規化が必要。 データの正規化とは、各変数(目的変数、説明変数)の大きさやばらつき具合の違いの影響をなくすために行う前処理。主に以下の2つの方法がとられる。 平均0,分散1になるようにスケールする 最小値0,最大値1になるようにスケールする scaleは平均値0、分散が1になるようにデータをスケールする関数。 pythonではsklearnに関数が含まれている。詳細は以下を参照 http://scikit-learn.org/stable/modules/preprocessi