Kaggleで勝つデータ分析の技術

この本について

データ分析を仕事でやっていると、「とりあえず前処理してモデルに入れて…で、本当にこれでいいんだっけ？」みたいなもやつきがずっと残りませんか。自分もカテゴリ変数の扱いや欠損の処理で何度も手が止まりました。丁寧にやるほど泥沼になるのに、なぜかスコアが伸びない、あの感じです。 この本が助かったのは、細かい“お作法”で迷子になっていた部分を、実務とコンペの両方の視点で整理してくれたところです。例えば、ダミー変数を水準数そのまま作っても問題ない理由とか、GBDTがどこまで面倒を見てくれるのか、そしてどこからは自分で特徴量として明示した方がいいのか。この線引きが具体例つきで書かれていて、「あ、ここは気にしなくていいのか」と肩の力が抜けました。 また、別テーブルの結合やユーザごとの集計など、結局どの現場でも必ずやる作業について、ただの手順ではなく“どんな情報を補えるのか”という考え方から説明されているのがありがたいです。欠損が起きている理由そのものを特徴量にする、という発想も自分にはなかったものでした。 モデルのチューニングより前に、「そもそも入力として何を渡すか」で迷いがちな人には特に刺さると思います。仕組みを理解した上で手を動かせるようになるので、余計な遠回りが減りました。