古川渉一 (著), 荻原優衣 (著)
| 話題の対話型AI「ChatGPT」では、APIと呼ばれる、ChatGPTをアプリケーションに組み込んで利用するためのしくみが公開されています。ChatGPTのAPIを活用することで、ChatGPTを他のアプリケーションと連携でき、ブラウザ版のChatGPTを単独で使うよりも幅広い活用が可能になります。たとえば「音声認識サービスと連携し、会話の音声データを文字起こししてChatGPTで要約する」「Google検索の結果を取得して、ChatGPTでニュース記事を作成する」といった処理ができます。本書では、Pythonの具体的なコードを示しながら、ChatGPT APIを活用したサービスを実装する方法を解説します。ChatGPTの回答を細かく制御できる「パラメータ」の利用方法についても紹介するため、ChatGPTをカスタマイズして使うことが可能になります。 |
Soledad Galli (著), 松田晃一 (翻訳)
| Pythonによる機械学習モデル構築のための特徴量 抽出・作成実践レシピ
機械学習においてはモデルを作成しデータを与えて学習させますが、その前に生データをモデルが理解できるような形式に変換する「特徴量エンジニアリング」と呼ばる重要なステップがあります。 本書は特徴量エンジニアリングの実践的なガイドであり、機械学習のための特徴量を作成するための効果的なテクニックとベストプラクティスを学ぶことができます。 欠損データの補完、カテゴリエンコーディング、変数変換、離散化、スケーリング、外れ値の取り扱いなど表形式データに対する特徴量エンジニアリングのほぼすべてのトピックをカバー。 1章 欠損値を補完する |
Pythonで既存のデータで学習・テストをする際にカテゴリーデータは、ダミー変数（One-Hotエンコーディング）を作りますよね。
学習データやテストデータについては、機械学習モデルを作る前に、pandasのget_dummies()を使いますよね。
ですが、本番実装時に1行のデータを受けてそれをモデルに入れたいとします。ダミー変数化される前の元のカテゴリカルデータしかないデータです。
さて、困りました。どうすればいいのでしょうか？