モデルは約束をもつオブジェクト
scikit-learnのすべてはエスティメータで、どれも同じ約束に従います。設定（ハイパーパラメータ、たとえば罰則の強さ）を渡して作ります。 を呼ぶとデータから学びます。学んだ内容は、平均や係数のように名前がアンダースコアで終わる属性に保存されます。その後で使います。前処理器は を、モデルは を提供します。 は fit に続けて transform を呼ぶものです。表 は1行が1サンプル、1列が1特徴量で、 は目的変数です。約束がどこでも同じなので、残りのコードを変えずにモデルを入れ替えられます。
(1)
黄金律は、 が見てよいのは学習データだけ、ということです。前処理器が学ぶ や などの数は、そのまま で検証データやテストデータに適用されます。スケーラーを全日程で当てはめると、テスト日がスケーリングを形作ってしまい、未来が静かに漏れます。 のような設定は実行を再現可能にし、 は未学習の新しいコピーを作ります。交差検証は各分割でこれを行います。このスキルの市場データのラボでは、行は銘柄×月、列はモメンタムやボラティリティなどの特徴量です。
手計算の小さな当てはめ2つ学習値 でスケーラーを当てはめます。平均 、標準偏差 を学びます。新しい値 は になります。次に で線形回帰を当てはめます。傾き 、切片 を学ぶので、 の予測は です。
- 設定を渡し、学んだ数を得る：ハイパーパラメータはコンストラクタへ、学んだ数は末尾がアンダースコア。
- fit は学習データだけで：transform と predict は学んだ数を任意のデータに再利用する。
- どこでも同じ約束：モデルを入れ替えても残りのコードはそのまま。
ラボ：採点される内容
- スケーラーが学ぶもの：平均10点
- スケーラーが学ぶもの：ばらつき10点
- テスト値を変換する10点
- 回帰が学ぶもの：傾き15点
- 予測10点
- どの属性が学習されたものか10点
- 安全な作業手順10点
- 用語を結び付ける10点
- なぜスケーラーを学習データだけで当てはめるのか15点