特徴量

たとえば来店客数を予測する場合、曜日、天気、近くの催し、前の週の客数などが特徴量の候補になります。生のデータをそのまま使うだけでなく、「前の年の同じ週との差」のように加工した値を作ることもあります。特徴量を考えて作る作業を、特徴量エンジニアリングと呼びます。

従来の機械学習では、どの特徴量を選ぶかで精度が大きく変わるため、業務の知識を持つ人の考えが結果を左右します。現場で「売れ行きに効いている」と感じている要因を特徴量に入れて試す、といった進め方が役に立ちます。ディープラーニングでは、特徴をデータから自動でつかみます。

予測の時点では手に入らない情報を特徴量に入れてしまうと、試験では精度が高く見えても、実際の運用では使えません。それぞれのデータがいつ手に入るのかを確かめながら選ぶことが大切です。過去のデータの中に、答えそのものが紛れ込んでいないかも点検します。