Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習

378

5

章 機械学習

この節では、特徴量エンジニアリングの一般的な例をいくつか取り上げます。カテゴリデータを

表す特徴量、テキストを表す特徴量、イメージを表す特徴量などです。さらに、モデルの複雑さに

対応するために他の特徴から導出された特徴量や、欠落しているデータを補完するための機能につ

いても説明します。多くの場合、このプロセスはベクトル化（

vectorization

）と呼ばれ、任意のデー

タを適切に動作するベクトルに変換します。

5.4.1

 カテゴリ特徴量

非数値データの一般的なタイプの

1

つがカテゴリデータです。例えば、住宅価格に関するいくつ

かのデータを調べているとしましょう。「価格」や「部屋数」などの数値の特徴量に加えて、「地域」

に関する情報もあるとします。例えば、次のようなデータで考えてみましょう

＊

1

。

In[1]: data = [

{'price': 850000, 'rooms': 4, '

neighborhood': 'Queen Anne'},

{'price': 700000, 'rooms': 3, 'neighborhood': 'Fremont'},

{'price': 650000, 'rooms': 3, 'neighborhood': 'Wallingford'},

{'price': 600000, 'rooms': 2, 'neighborhood': 'Fremont'}

]

おそらく最初は、このデータを単純な数値に置き換えることを考えるでしょう。

In[2]: ...