機械学習のための特徴量エンジニアリング(キカイガクシュウノタメノトクビリョウエンジニアリング)

機械学習や人工知能の性能を決める特徴量作成・変換／選択について詳述した書籍!
本書は、機械学習を行うエンジニアが知るべき特徴量抽出の基本から応用、最新のテーマまでを網羅した書籍です。内容としてはそれほど難しくないため、機械学習を学んでいる人が特徴量エンジニアリングについて学びはじめる書籍として最適です。

機械学習モデルの精度を左右する「特徴量の設計」に焦点を絞った、 O'Reilly の翻訳書です。モデルのアルゴリズム選択よりも、入力データをどう加工・変換すれば学習しやすい表現になるかという前処理の技法を体系的にまとめています。数値特徴のスケーリング、カテゴリ変数のエンコーディング、テキストの BoW/TF-IDF 表現、画像特徴の抽出など、ドメインを横断して使える手法が一冊に整理されています。

著者の Alice Zheng は Amazon の機械学習プラットフォームに携わった経歴を持ち、理論の紹介にとどまらず「なぜこの変換がモデルの性能に効くのか」を直感的に説明する点に力が入っています。数学的な厳密さよりも実務での判断力を養う方向に振っているため、線形代数や統計学の深い知識がなくても読み進められます。

本書が扱うのは特徴量の「作り方」であり、モデルの学習アルゴリズムそのものの解説は別の書籍に譲られています。 scikit-learn や pandas を使ってデータを前処理する経験がすでにある人が、自分の加工手順を体系立てて見直すために読むと効果が高い一冊です。