ペアプロットの目的
1. 変数間の相関関係を確認
- ペアプロットでは、各変数の散布図が表示されるため、目的変数(y)と説明変数(x)の関係性を視覚的に把握できます。
- 線形な相関が見られる変数があれば、回帰モデルに適用しやすい。
- 逆に、相関がない変数は、モデルに大きな影響を与えない可能性があるため、特徴量選択の指標になります。
2. 正規分布に近い変数を探す
- ペアプロットでは、各変数のヒストグラム（対角線上のプロット）も表示されるため、正規分布に近い特徴量を確認できます。
- 線形回帰モデルは、正規分布の特徴量を前提とすることが多いため、非正規分布の変数があれば、対数変換（log transform）やBox-Cox変換を行うことでモデルの精度が向上する可能性があります。
3. 外れ値の検出
- 散布図の中に極端に離れたデータ点（外れ値）があるかを確認できます。
- 外れ値はモデルの学習に悪影響を与える可能性があるため、IQR（四分位範囲）法や標準偏差を用いて除去するか、ロバストスケーリングを適用することができます。
4. 変数間の非線形関係を発見
- 線形回帰では直線的な関係性が重要ですが、ペアプロットを確認することで、非線形な関係（曲線のような分布） を持つ変数を発見できます。
- こうした場合、多項式特徴（Polynomial Features） を導入すると、精度向上が期待できます。