Pythonで学ぶ次元削減

高次元のデータセットは圧倒されやすく、どこから手を付ければよいか迷ってしまいます。通常は新しいデータセットをまず可視化して探索しますが、次元が多すぎると従来の手法では不十分に感じられるでしょう。幸い、高次元データに特化した可視化手法があり、本コースではそれらを紹介します。データを探索すると、多くの特徴量が、分散がない、あるいは他の特徴量の重複であるといった理由で、ほとんど情報を持たないことがよくあります。これらの特徴量を検出してデータセットから除外し、有益な特徴量に集中する方法を学びます。次のステップとして、これらの特徴量でモデルを構築したい場合、目的変数の予測に影響を与えないものが含まれていることもあります。こうした無関係な特徴量も検出・除外して、次元（＝複雑さ）を減らす方法を学びます。最後に、相関のない主成分を計算することで自動的に次元削減を行う、特徴量抽出の手法について学びます。