機械学習

この記事では、PDPとICEを利用したEDA（探索的データ解析） について解説します。PDPとICEは特徴量の値の変化による予測値の変動幅、寄与方向の参考になります。ICEは、pdpパッケージの関数partialとplotPartialを利用することで簡単に描けます。

ランダムフォレストによるEDA（探索的データ解析）の実例を紹介します。ランダムフォレストモデルが高い予測力を持っていて、特徴量と予測値の関係を可視化できれば、モデル構築の特徴量選択に利用できます。