Skip to Main Content
データサイエンス設計マニュアル
book

データサイエンス設計マニュアル

by Steven S. Skiena, 小野 陽子, 長尾 高弘
January 2020
Beginner to intermediate content levelBeginner to intermediate
728 pages
10h 26m
Japanese
O'Reilly Japan, Inc.
Content preview from データサイエンス設計マニュアル
4.4 ランキングの高度な技法 95
見つける。アルゴリズムが本当に望むなら、その係数は σ に近くてもよい。
しかし、ここで
数値演算の現実に直面する。例えば、アメリカの都市に関する 2 つの変数(例えば、平方
マイル単位の面積と人口)で線形モデルを構築しようとしたとする。第 1 の変数の平均は約 5 で、最大値は
100 くらいである。第 2 の変数の平均は 25, 000 で、最大値は 8, 000, 000 くらいである。2 つの変数がこの
モデルに同じような影響を与えるものとすると、第 2 の変数は 10,000 程度の数で割らなければならない。
これは係数の精度の問題を引き起こす。係数の値をごくわずか変更すると、人口の値がモデルをどの程度
支配するかが大きく変わってしまうのである。変数の規模と分布の範囲をおおよそ同じにすれば、この問題
はある特徴の重みがもう片方の 2 倍になるかどうかになるので、ずっと良い。
Z スコアが最も役に立つのは、平均 µ と標準偏差 σ で完全に説明できる正規分布に従う変数である。
べき乗則分布に従う変数では、正規分布に従う変数ほどうまくいかない。平均が 200, 000 ドルほどで、
σ = 200, 000 ドルのアメリカの資産の分布について考えてみよう。すると、資産 800 億ドルのビル・ゲイツ
Z スコアは 4, 999 になるはずだ。平均が 0 ということを考えれば、まだ桁外れの外れ値である。
不適切に正規化された変数を使うのは、データ分析で最もしてはならないことである。ビル・ゲイツの数 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Start your free trial

You might also like

オブザーバビリティ・エンジニアリング

オブザーバビリティ・エンジニアリング

Charity Majors, Liz Fong-Jones, George Miranda, 大谷 和紀, 山口 能迪
Python機械学習クックブック

Python機械学習クックブック

Chris Albon, 中田 秀基
PythonによるWebスクレイピング 第2版

PythonによるWebスクレイピング 第2版

Ryan Mitchell, 黒川 利明, 嶋田 健志

Publisher Resources

ISBN: 9784873118918Other