FeatureTransformer

生成された特徴変換

R2021a 以降

説明

FeatureTransformer オブジェクトには、学習データ セットから生成された特徴変換に関する情報が格納されます。生成された特徴量について詳しく確認するには、オブジェクト関数 describe を使用できます。学習セットと同じ特徴変換をテスト セットに適用するには、オブジェクト関数 transform を使用できます。

作成

関数 gencfeatures または genrfeatures を使用して FeatureTransformer オブジェクトを作成します。

プロパティ

Type — モデルのタイプ

'classification' | 'regression'

この プロパティ は読み取り専用です。

モデルのタイプ。'classification' または 'regression' として返されます。

TargetLearner — 想定される学習器のタイプ

'linear' | 'bag' | 'gaussian-svm'

この プロパティ は読み取り専用です。

想定される学習器のタイプ。'linear'、'bag'、または 'gaussian-svm' として返されます。ソフトウェアは、線形モデル、バギング アンサンブル、またはガウス カーネルによるサポート ベクター マシン (SVM) モデルのいずれの学習に使用されるかを想定し、それに応じて新しい特徴量を作成および選択します。

NumEngineeredFeatures — 設計済みの特徴量の数

非負のスカラー

この プロパティ は読み取り専用です。

FeatureTransformer に格納されている設計済みの特徴量の数。非負のスカラーとして返されます。

データ型: double

NumOriginalFeatures — 元の特徴量の数

非負のスカラー

この プロパティ は読み取り専用です。

FeatureTransformer に格納されている元の特徴量の数。非負のスカラーとして返されます。

データ型: double

TotalNumFeatures — 特徴量の総数

非負のスカラー

この プロパティ は読み取り専用です。

FeatureTransformer に格納されている特徴量の総数。非負のスカラーとして返されます。TotalNumFeatures は NumEngineeredFeatures と NumOriginalFeatures の和と等しくなります。

データ型: double

オブジェクト関数

describe	生成された特徴量の説明
transform	生成された特徴量を使用した新しいデータの変換

例

回帰問題の特徴量の生成と検証

genrfeatures を使用して予測子データの table から特徴量を生成します。生成された特徴量をオブジェクト関数 describe を使用して調べます。

停電のデータをワークスペースに table として読み込みます。欠損値がある観測値を削除し、table の最初の数行を表示します。

outages = readtable("outages.csv");
Tbl = rmmissing(outages);
head(Tbl)

       Region           OutageTime        Loss     Customers     RestorationTime            Cause       
    _____________    ________________    ______    __________    ________________    ___________________

    {'SouthWest'}    2002-02-01 12:18    458.98    1.8202e+06    2002-02-07 16:50    {'winter storm'   }
    {'SouthEast'}    2003-02-07 21:15     289.4    1.4294e+05    2003-02-17 08:14    {'winter storm'   }
    {'West'     }    2004-04-06 05:44    434.81    3.4037e+05    2004-04-06 06:10    {'equipment fault'}
    {'MidWest'  }    2002-03-16 06:18    186.44    2.1275e+05    2002-03-18 23:23    {'severe storm'   }
    {'West'     }    2003-06-18 02:49         0             0    2003-06-18 10:54    {'attack'         }
    {'NorthEast'}    2003-07-16 16:23    239.93         49434    2003-07-17 01:12    {'fire'           }
    {'MidWest'  }    2004-09-27 11:09    286.72         66104    2004-09-27 16:37    {'equipment fault'}
    {'SouthEast'}    2004-09-05 17:48    73.387         36073    2004-09-05 20:46    {'equipment fault'}

変数の中には、OutageTime や RestorationTime など、fitrensemble のような回帰モデル学習関数でサポートされないデータ型の変数も含まれています。

Tbl 内の予測子から、バギング アンサンブルの学習に使用できる特徴量を 25 個生成します。table 変数 Loss を応答として指定します。

rng("default") % For reproducibility
Transformer = genrfeatures(Tbl,"Loss",25,TargetLearner="bag")

Transformer = 
  FeatureTransformer with properties:

                     Type: 'regression'
            TargetLearner: 'bag'
    NumEngineeredFeatures: 22
      NumOriginalFeatures: 3
         TotalNumFeatures: 25

Transformer オブジェクトに、生成された特徴量とそれらの作成に使用された変換に関する情報が格納されます。

生成された特徴量について詳しく確認するには、オブジェクト関数 describe を使用します。

Info = describe(Transformer)

Info=25×4 table
                                     Type        IsOriginal          InputVariables                                     Transformations                          
                                  ___________    __________    ___________________________    ___________________________________________________________________

    c(Region)                     Categorical      true        Region                         "Variable of type categorical converted from a cell data type"     
    Customers                     Numeric          true        Customers                      ""                                                                 
    c(Cause)                      Categorical      true        Cause                          "Variable of type categorical converted from a cell data type"     
    kmd2                          Numeric          false       Customers                      "Euclidean distance to centroid 2 (kmeans clustering with k = 10)" 
    kmd1                          Numeric          false       Customers                      "Euclidean distance to centroid 1 (kmeans clustering with k = 10)" 
    kmd4                          Numeric          false       Customers                      "Euclidean distance to centroid 4 (kmeans clustering with k = 10)" 
    kmd5                          Numeric          false       Customers                      "Euclidean distance to centroid 5 (kmeans clustering with k = 10)" 
    kmd9                          Numeric          false       Customers                      "Euclidean distance to centroid 9 (kmeans clustering with k = 10)" 
    cos(Customers)                Numeric          false       Customers                      "cos( )"                                                           
    RestorationTime-OutageTime    Numeric          false       OutageTime, RestorationTime    "Elapsed time in seconds between OutageTime and RestorationTime"   
    kmd6                          Numeric          false       Customers                      "Euclidean distance to centroid 6 (kmeans clustering with k = 10)" 
    kmi                           Categorical      false       Customers                      "Cluster index encoding (kmeans clustering with k = 10)"           
    kmd7                          Numeric          false       Customers                      "Euclidean distance to centroid 7 (kmeans clustering with k = 10)" 
    kmd3                          Numeric          false       Customers                      "Euclidean distance to centroid 3 (kmeans clustering with k = 10)" 
    kmd10                         Numeric          false       Customers                      "Euclidean distance to centroid 10 (kmeans clustering with k = 10)"
    hour(RestorationTime)         Numeric          false       RestorationTime                "Hour of the day"                                                  
      ⋮

生成された最初の 3 つの特徴量は Tbl が元になっています。このうち、変数 categorical は、元の変数 Region および Cause が変換されたものです。

Info(1:3,:) % describe(Transformer,1:3)

ans=3×4 table
                    Type        IsOriginal    InputVariables                           Transformations                        
                 ___________    __________    ______________    ______________________________________________________________

    c(Region)    Categorical      true          Region          "Variable of type categorical converted from a cell data type"
    Customers    Numeric          true          Customers       ""                                                            
    c(Cause)     Categorical      true          Cause           "Variable of type categorical converted from a cell data type"

変数 OutageTime と RestorationTime は datetime 変数であり、バギング アンサンブル モデルの学習には使用できないため、生成された特徴量には含まれていません。ただし、生成された特徴量の中には、10 番目の特徴量 RestorationTime-OutageTime のように、それらの変数から派生した特徴量が一部含まれています。

Info(10,:) % describe(Transformer,10)

ans=1×4 table
                                   Type      IsOriginal          InputVariables                                   Transformations                         
                                  _______    __________    ___________________________    ________________________________________________________________

    RestorationTime-OutageTime    Numeric      false       OutageTime, RestorationTime    "Elapsed time in seconds between OutageTime and RestorationTime"

一部の生成された特徴量については複数の変換が組み合わされています。たとえば、19 番目の特徴量 fenc(c(Cause)) は、変数 Cause を 10 のカテゴリでカテゴリカル変数に変換してから、そのカテゴリの頻度を計算して生成されたものです。

Info(19,:) % describe(Transformer,19)

ans=1×4 table
                       Type      IsOriginal    InputVariables                                                  Transformations                                               
                      _______    __________    ______________    ____________________________________________________________________________________________________________

    fenc(c(Cause))    Numeric      false           Cause         "Variable of type categorical converted from a cell data type -> Frequency encoding (number of levels = 10)"

生成された特徴量のサブセットを使用したモデルの学習

gencfeatures で返される生成された特徴量から数値のものだけを使用して線形分類器に学習させます。

patients データ セットを読み込みます。変数のサブセットから table を作成します。

load patients
Tbl = table(Age,Diastolic,Height,SelfAssessedHealthStatus, ...
    Smoker,Systolic,Weight,Gender);

データを学習セットとテスト セットに分割します。観測値の約 70% を学習データとして使用し、観測値の約 30% をテスト データとして使用します。データの分割には cvpartition を使用します。

rng("default")
c = cvpartition(Tbl.Gender,Holdout=0.30);
TrainTbl = Tbl(training(c),:);
TestTbl = Tbl(test(c),:);

学習データを使用して新しい特徴量を 25 個生成します。新しい特徴量を選択する特徴選択方式には Minimum Redundancy Maximum Relevance (MRMR) を指定します。

Transformer = gencfeatures(TrainTbl,"Gender",25, ...
    FeatureSelectionMethod="mrmr")

Transformer = 
  FeatureTransformer with properties:

                     Type: 'classification'
            TargetLearner: 'linear'
    NumEngineeredFeatures: 23
      NumOriginalFeatures: 2
         TotalNumFeatures: 25

生成された特徴量を調べます。

Info = describe(Transformer)

Info=25×4 table
                                      Type        IsOriginal         InputVariables                                              Transformations                                      
                                   ___________    __________    ________________________    __________________________________________________________________________________________

    zsc(Weight)                    Numeric          true        Weight                      "Standardization with z-score (mean = 153.1571, std = 26.8229)"                           
    eb5(Weight)                    Categorical      false       Weight                      "Equal-width binning (number of bins = 5)"                                                
    c(SelfAssessedHealthStatus)    Categorical      true        SelfAssessedHealthStatus    "Variable of type categorical converted from a cell data type"                            
    zsc(sqrt(Systolic))            Numeric          false       Systolic                    "sqrt( ) -> Standardization with z-score (mean = 11.086, std = 0.29694)"                  
    zsc(sin(Systolic))             Numeric          false       Systolic                    "sin( ) -> Standardization with z-score (mean = -0.1303, std = 0.72575)"                  
    zsc(Systolic./Weight)          Numeric          false       Systolic, Weight            "Systolic ./ Weight -> Standardization with z-score (mean = 0.82662, std = 0.14555)"      
    zsc(Age+Weight)                Numeric          false       Age, Weight                 "Age + Weight -> Standardization with z-score (mean = 191.1143, std = 28.6976)"           
    zsc(Age./Weight)               Numeric          false       Age, Weight                 "Age ./ Weight -> Standardization with z-score (mean = 0.25424, std = 0.062486)"          
    zsc(Diastolic.*Weight)         Numeric          false       Diastolic, Weight           "Diastolic .* Weight -> Standardization with z-score (mean = 12864.6857, std = 2731.1613)"
    q6(Height)                     Categorical      false       Height                      "Equiprobable binning (number of bins = 6)"                                               
    zsc(Systolic+Weight)           Numeric          false       Systolic, Weight            "Systolic + Weight -> Standardization with z-score (mean = 276.1429, std = 28.7111)"      
    zsc(Diastolic-Weight)          Numeric          false       Diastolic, Weight           "Diastolic - Weight -> Standardization with z-score (mean = -69.4286, std = 26.2411)"     
    zsc(Age-Weight)                Numeric          false       Age, Weight                 "Age - Weight -> Standardization with z-score (mean = -115.2, std = 27.0113)"             
    zsc(Height./Weight)            Numeric          false       Height, Weight              "Height ./ Weight -> Standardization with z-score (mean = 0.44797, std = 0.067992)"       
    zsc(Height.*Weight)            Numeric          false       Height, Weight              "Height .* Weight -> Standardization with z-score (mean = 10291.0714, std = 2111.9071)"   
    zsc(Diastolic+Weight)          Numeric          false       Diastolic, Weight           "Diastolic + Weight -> Standardization with z-score (mean = 236.8857, std = 29.2439)"     
      ⋮

学習セットとテスト セットを数値予測子のみを保持して変換します。

numericIdx = (Info.Type == "Numeric");
NewTrainTbl = transform(Transformer,TrainTbl,numericIdx);
NewTestTbl = transform(Transformer,TestTbl,numericIdx);

変換した学習データを使用して線形モデルに学習させます。混同行列を使用して、モデルのテスト セットの予測の精度を可視化します。

Mdl = fitclinear(NewTrainTbl,TrainTbl.Gender);
testLabels = predict(Mdl,NewTestTbl);
confusionchart(TestTbl.Gender,testLabels)

バージョン履歴

R2021a で導入

参考

gencfeatures | genrfeatures | describe | transform | fitclinear | fitrlinear | fitcensemble | fitrensemble | fitcsvm | fitrsvm

トピック

• 分類用の自動特徴量エンジニアリング
• 回帰用の自動特徴量エンジニアリング