特徴量エンジニアリング

『元のデータセットから有用な情報を抽出し、モデルに適した形で入力データ（特徴量）を作成するプロセス』

つまり、データを モデルにとって価値のある特徴量 に変換します。

特徴量エンジニアリングのステップ

Step1.特徴量の選択

元データからモデルにとって関連性が高い変数を選び、不必要なものを除外します。

Step2.特徴量の変換

データのスケール変換（例: 正規化、標準化）やカテゴリデータのエンコーディングなどを行います。

Step3.特徴量の生成

既存のデータから新しい特徴量を作成する（例: 日付データから月や曜日を抽出、複数の変数を掛け合わせるなど）。

特徴量エンジニアリングが重要な理由

• モデルがデータの重要なパターンを捉えやすくなリます。
• 適切な特徴量を用いることで、過学習を防止し、汎化性能が向上します。
• 学習効率を高め、トレーニング時間を短縮します。