特徴量の自動生成について

Question

機械学習による特徴量の自動生成の方法について教えていただけますでしょうか。

通常、データ分析では、仮説に基づいて複数の特徴量を（必要に応じて）組み合わせ、
どの特徴量が従属変数に影響するかを検証すると思います。
この特徴量の組み合わせを、仮説に基づいて意図的に作るのではなく、
自動で生成し、その上で各特徴量の影響度を検証することは可能でしょうか。

例えば、以下のようなオペレーションデータ（ID-POS）があり、
自社会員の離反率を低減させるための有効な施策を導き出したい場合、
「午前中のバッグ購入を増やすと○○％離反率が下がる」
「札幌の店舗で直近半年以内のポイント消費を増やすと○○％離反率が下がる」
のような形で、特徴量を自動的に組み合わせて有効な施策とその影響度を出力する
分析手法はありますでしょうか。
勾配ブースティング等でできるのか、他の方法が良いのか、あるいは、
各特徴量の閾値を予め決めてカテゴリカル変数にし、組み合わせを総当たりで
計算するしかないのか、等、ご教示いただけますと幸いです。

|ID|購買日時|購買店舗|消費ポイント|購買アイテム|購買金額|離反有無
|:--|:--:|--:|
|1|190101 10:38|東京|10|バッグ|10000|離反客
|2|190301 14:01|札幌|0|財布|8000|非離反客
|3|190714 13:00|広島|50|帽子|3000|離反客
|4|191223 21:01|福岡|100|手袋|4000|非離反客

Answer 1

特徴量の前に課題設定をどう置くかがあるかと思います。

文面からしますと離反率の予測でもなく、離反率の最小化、という課題設定の問題かと思います。
となると必ずしも機械学習ではなく最適化問題の方向性かと思います。
「組み合わせて」のパターンを自動的に探るものは知りうる限りないかと思います。

ただ、

「午前中のバッグ購入を増やすと○○％離反率が下がる」
「札幌の店舗で直近半年以内のポイント消費を増やすと○○％離反率が下がる」

というような事であれば、
離反率の予測として回帰問題とする
影響力の強い説明変数のパターンを出して総当たり（計算爆発してしまうならば小分けにして）
説明変数を絞り込む手法で絞り込む
例えば、
購買日時（月、曜日・祝日、月末、時間等でいくつか分解して）購買店舗消費ポイント消費アイテム購買金額
で回帰してLassoなどの手法で説明変数を絞り込むと近しいことが出来るかもしれません。

Comments

[takec]

ありがとうございます。回帰問題とする場合はやはり総当たりで説明変数を作る必要があるのですね。
よく理解できました。