フィーチャーエンジニアリングツールキット

このスキルは、フィーチャーエンジニアリングツールキットのタスクに対する自動化された支援を提供します。

概要

このスキルは、フィーチャーエンジニアリングツールキットのタスクに対する自動化された支援を提供します。 このスキルにより、Claudeはフィーチャーエンジニアリングツールキットプラグインを活用して機械学習モデルを強化できます。新しいフィーチャーの作成、最も関連性の高いフィーチャーの選択、およびモデルのニーズに合わせた既存フィーチャーの変換プロセスを自動化します。このスキルを使用して、機械学習モデルの精度、効率性、および解釈可能性を向上させます。

動作方法

1. 要件の分析: Claudeはユーザーのリクエストを分析し、必要なフィーチャーエンジニアリングタスクを特定します。
2. コード生成: Claudeはフィーチャーエンジニアリングツールキットプラグインを使用してPythonコードを生成し、リクエストされたタスクを実行します。これにはデータ検証とエラーハンドリングが含まれます。
3. タスク実行: 生成されたコードが実行され、要求に応じてフィーチャーが作成、選択、または変換されます。
4. インサイトの提供: Claudeは、新しく作成されたフィーチャーの重要性やモデルパフォーマンスに対する変換の影響など、フィーチャーエンジニアリングプロセスに関連するパフォーマンスメトリクスとインサイトを提供します。

このスキルを使用する場合

このスキルは、以下の場合にアクティブになります:

• モデルの精度を向上させるために既存データから新しいフィーチャーを作成する。
• データセットから最も関連性の高いフィーチャーを選択して、モデルの複雑さを低減し効率性を向上させる。
• 機械学習モデルの仮定に合わせてフィーチャーを変換する(例:スケーリング、正規化、エンコーディング)。

例

例1: モデルの精度向上

ユーザーリクエスト: 「既存の'age'と'income'列から新しいフィーチャーを作成して、顧客チャーン予測モデルの精度を向上させてください。」

スキルは以下を実行します:

1. 'age'と'income'の間のインタラクション項(例:age * income、age / income)を作成するコードを生成します。
2. コードを実行し、新しいフィーチャーがモデルパフォーマンスに与える影響を評価します。

例2: モデルの複雑さの低減

ユーザーリクエスト: 「不正検出モデルの複雑さを低減するために、データセットから最も重要な上位10個のフィーチャーを選択してください。」

スキルは以下を実行します:

1. 適切な方法(例:Random Forest、SelectKBest)を使用してフィーチャーの重要性を計算するコードを生成します。
2. コードを実行し、重要性スコアに基づいて上位10個のフィーチャーを選択します。

ベストプラクティス

• データ検証: フィーチャーエンジニアリングを実行する前に、入力データが清潔で一貫性があることを常に確認してください。
• フィーチャースケーリング: より大きな範囲を持つフィーチャーがモデルを支配するのを防ぐために、数値フィーチャーをスケーリングします。
• カテゴリカルフィーチャーのエンコーディング: カテゴリカルフィーチャーを適切にエンコード(例:ワンホットエンコーディング、ラベルエンコーディング)して、機械学習モデルに適したものにします。

統合

このスキルはフィーチャーエンジニアリングツールキットプラグインと統合され、機械学習モデルのフィーチャーを作成、選択、および変換するためのシームレスな方法を提供します。他のClaudeコードスキルと組み合わせて使用し、完全な機械学習パイプラインを構築できます。

前提条件

• 適切なファイルアクセス権限
• 必要な依存関係がインストール済み

手順

1. トリガー条件が満たされたときにこのスキルを呼び出す
2. 必要なコンテキストとパラメータを提供する
3. 生成された出力をレビューする
4. 必要に応じて変更を適用する

出力

スキルはタスクに関連した構造化された出力を生成します。

エラーハンドリング

• 無効な入力: 修正を促す
• 欠落している依存関係: 必要なコンポーネントをリストアップ
• パーミッションエラー: 修復手順を提案

リソース

• プロジェクトドキュメント
• 関連スキルとコマンド