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

384

5

章 機械学習

In[15]: from sklearn.preprocessing import Imputer

imp = Imputer(strategy='mean')

X2 = imp.fit_transform(X)

X2

Out[15]: array([[ 4.5, 0. , 3. ],

[ 3. , 7. , 9. ],

[ 3. , 5. , 2. ],

[ 4. , 5. , 6. ],

[ 8. , 8. , 1. ]])

2

つの欠損値が同じ列の値の平均で置き換えられていることがわかります。この補完されたデー

タは、例えば

LinearRegression

推定器に直接与えることができます。

In[16]: model = LinearRegression().fit(X2, y)

model.predict(X2)

Out[16]: array([ 13.14869292, 14.3784627 , -1.15539732, 10.96606197, -5.33782027])

5.4.6

 特徴パイプライン

ここまでの例のような複数のステップを組み合わせた作業を行う場合は、それぞれの変換を手作

業で行うのはとても面倒です。例えば、次のような処理パイプラインが必要な場合があります。

1.

平均を使って欠損値を補完する

2.

特徴を

2

次方程式に変換する

3.

線形回帰に当てはめる

この処理パイプラインを効率化するために、

scikit-learn

は次のように使用できるパイプラインオ ...