機械学習を自動化しよう！

データ分析や機械学習に興味はあるけれど、専門的すぎてハードルが高いと感じていませんか？そんな皆さんにおすすめするのが「AutoML（自動機械学習）」です。
第3回となる今回は、作成する機械学習モデルの精度をより高めるための必須スキル「特徴量エンジニアリング」を実践する方法について学んでいきましょう！

AutoMLとは機械学習の分析を行う一連の流れを自動化する技術のことです。一般的に機械学習を使った分析を行うとなったら、
①問題・仮説の定義
②データを予測しやすいように綺麗に加工する（特徴エンジニアリング）
③色々な種類がある機械学習モデルの中から最適なモデルの選定
④精度を高めるためのパラメータ調整（パラメータチューニング）
⑤複数のモデルの性能比較
という操作を繰り返す必要があります。１つ１つの操作を１からPythonで書こうとすると時間がかかってしまうものですが、これらの手順を自動化してコーディングにかける時間を最小限にしようという試みがAutoMLなのです。

様々なAutoMLツールがある中で、今回もPyCaretというライブラリを使ってAutoMLの入門編を学んでいきましょう。これらを使えば、圧倒的に少ないコードで、上記の一連の処理、つまりデータの処理から複数のモデル比較までを行えます。

今回の講義では実際のビジネスの場面でよく見られるデータを使って、特徴量エンジニアリングの流れを体感頂きます。例えば次のような顧客情報のデータでは、何も入力されていない箇所（欠損値）があったり、文字データが入力されていたりと、そのまま機械学習モデル作成には使えないようなデータとなっています。これらを使ってモデルを作成するには、汚いデータを綺麗にする必要や、あるいはより良い予測精度を出すためにデータの加工を行う必要があります。これを特徴量エンジニアリングと言います。

しかし、これらの処理を手書きでコードを書こうとすると非常に大変で、１つモデルを作成出来たころには疲れ果ててしまうことも多いです。そこでPyCaretの出番です。PyCaretを使えば、特徴量エンジニアリングを行うことが非常に簡単にできます（と言いますか勝手に行ってくれます！）。コードを各時間をなるべく短くし、それ以外の考えることに時間を使う、そういった機械学習の一連の流れをご紹介していきます。

もちろん、Python、機械学習の専門知識は不要ですのでどなたでもお気軽にご参加ください。

↓↓↓マーケティング分析がここまで簡単に！AI×Pythonで学ぶAutoML-回帰問題編-！【機械学習自動化第1弾】↓↓↓
https://wakara.co.jp/course/95594

↓↓↓自動機械学習をマーケティング施策に取り入れよう！AI×Pythonで学ぶAutoML-分類問題編-【機械学習自動化第2弾】↓↓↓
https://wakara.co.jp/course/95850