説明
教師なし学習では、のようにターゲット変数がありません
分類と回帰。
データXの予測Yをマシンに伝える代わりに、Xについて何を教えてくれますか？
私たちがマシンに教えてくれるように頼むこと
XはXから作ることができる6つの最高のグループは何ですか？またはXで最も頻繁に発生する3つの機能はどれですか。

説明
データ分析ライフサイクルのデータ準備フェーズでは、データ範囲と分布を取得できます。
データが歪んでいる場合、データの対数を表示すると（すべてが正の場合）、通常の非対数スケールのグラフで見落とされる可能性のある構造を検出するのに役立ちます。
データを準備するときは、前のセクションで説明したように、ダーティデータの兆候を探す必要があります。データがユニモーダルであるかマルチモーダルであるかを調べると、異なる行動パターンを持つ異なる母集団が全体の母集団にいくつ混合されるかがわかります。多くのモデリング手法では、データが正規分布に従うことを前提としています。したがって、これらのモデリング手法を適用する前に、利用可能なデータセットがその仮定に一致するかどうかを知ることが重要です。

説明
機能ハッシュ
SGDベースの分類器は、適切なサイズを選択し、トレーニングデータをそのサイズのベクトルにシューホーニングするだけで、ベクトルサイズを事前に決定する必要がなくなります。このアプローチは、機能ハッシュとして知られています。シューホーニングは、連続変数の場合は変数名のハッシュを使用するか、カテゴリ、テキスト*のような、または単語のようなデータの場合は変数名とカテゴリ名または単語のハッシュを使用して、1つ以上の場所を選択することによって行われます。
このハッシュ化された特徴のアプローチには、必要なメモリが少なく、トレーニングデータのパスが1つ少ないという明確な利点がありますが、ベクトルをリバースエンジニアリングして、どの元の特徴がベクトルの場所にマッピングされているかを判断するのがはるかに難しくなります。これは、複数の機能が同じ場所にハッシュされる可能性があるためです。ベクトルが大きい場合、またはフィーチャごとに複数の場所がある場合、これは精度の問題ではありませんが、分類器が何をしているのかを理解するのが難しくなる可能性があります。
機能ハッシュの追加の利点は、単語のような変数に典型的な未知の無制限の語彙が問題にならないことです。

説明
クラスターの数を減らすと、この外れ値クラスターを調整して別のクラスターで調整するのに役立ちます。

説明
統計では、線形回帰は、スカラー従属変数yとXで示される1つ以上の説明変数（または独立変数）の間の関係をモデル化するためのアプローチです。
1つの説明変数の場合は、単純線形回帰と呼ばれます。複数の説明変数の場合、このプロセスは重回帰と呼ばれます。（この用語は、単一のスカラー変数ではなく、複数の相関従属変数が予測される多変量線形回帰と区別する必要があります。）線形回帰では、データは線形予測関数を使用してモデル化され、未知のモデルパラメーターがデータから推定されます。
このようなモデルは線形モデルと呼ばれます。最も一般的には、線形回帰は、Xの値が与えられたyの条件付き平均がXのアフィン関数であるモデルを指します。
あまり一般的ではありませんが、線形回帰は、Xが与えられた場合のyの条件付き分布の中央値またはその他の分位数がXの線形関数として表されるモデルを指す場合があります。
すべての形式の回帰分析と同様に、線形回帰は、yとXの同時確率分布ではなく、Xが与えられたyの条件付き確率分布に焦点を合わせます。
これは多変量解析の領域です。