特徴量探索¶
エンタープライズ全体にAIをデプロイするには、予測モデルを最大で使用できるように関連する特徴量にアクセスできる必要があります。データの開始ポイントに適切な特徴量が含まれていないことがよくあります。特徴量探索は、多数のデータセットから新しい特徴量を検索し生成するので、多数のデータセットを1つに統合するために手動で特徴量エンジニアリングを実行する必要がなくなります。
特徴量エンジニアリングのワークフローの概要について学習するには、次のテーブルからトピックを選択します:
トピック | 説明... |
---|---|
特徴量探索プロジェクトの作成 | セカンダリーデータセットを使用したプロジェクトの作成(シンプルなユースケースベースのワークフローの概要を含む)。 |
時間認識特徴量エンジニアリング | 時間認識特徴量エンジニアリングを設定します。 |
派生した特徴量 | 集計のリストと特徴量削減プロセスの概要。 |
予測 | セカンダリーデータセットを使用して作成されたモデルでデータをスコアリングします。 |
更新しました February 22, 2022
このページは役に立ちましたか?
ありがとうございます。どのような点が役に立ちましたか?
より良いコンテンツを提供するには、どうすればよいでしょうか?
アンケートにご協力いただき、ありがとうございました。