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

5.4

 特徴量エンジニアリング

381

データに使用した、単純にピクセル値を使うだけのものです。しかし、そのようなアプローチが最

適ではない場合もあります。

画像の特徴抽出技術を包括的に説明することは、この節の範囲をはるかに超えています。

scikit-

image

プロジェクト（

http://scikit-image.org

）では、多くの標準的なアプローチに対する優れた実装

を見つけることができます。

scikit-learn

と

scikit-image

を一緒に使用する例として、「5.14 応用：

顔検出パイプライン」を参照してください。

5.4.4

 導出された特徴量

さらに別の有用な特徴量として、いくつかの特徴量から数学的に導出されるものが考えられま

す。この例として、「5.3 ハイパーパラメータとモデルの検証」では入力データから多項式特徴量

を作成しました。その例ではモデルを変更するのではなく、入力を変換することによ

って、線形回

帰を多項式回帰に変換しました。これは、基底関数回帰（

basis function regression

）と呼ばれるこ

ともあります。詳細については、「5.6 詳細：線形回帰」で詳しく説明します。

例えば次のデータを、直線で正確に表すことはできません（図 5-35）。

In[10]: %matplotlib inline

import numpy as np

import matplotlib.pyplot as plt

x = np.array([1, 2, 3, 4, 5])

y ...