特徴量エンジニアリングとデータ前処理とは？とくちょうりょうえんじにありんぐとでーたぜんしょり
特徴量エンジニアリングとデータ前処理とは、生データを学習に使える形へ整え、予測に効く変数を作り出す工程。欠損値の補完、外れ値の処理、尺度をそろえる正規化・標準化、カテゴリ値のone-hot符号化、日時からの曜日・時間帯の抽出などが含まれ、精度への寄与はモデル選定より大きいことが多い。
最終更新：2026-10-06
応用情報を最短で暗記・合格する →具体例
購買予測で「最終購入日」をそのまま使わず「本日からの経過日数」に変換し、金額は対数変換で裾の長さを抑える。欠損は平均で埋めるのではなく、欠損自体を示すフラグ列を追加して「未入力である」という情報を残す。
試験での引っ掛け
正規化のパラメータを全データから計算してから訓練・検証に分けると、検証データの情報が学習へ漏れて精度を過大評価する。分割後に訓練データだけで求めた統計量を検証側へ適用するのが正しい。
関連用語
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。