Lewati ke konten utama

Kursus

Rekayasa Fitur untuk Machine Learning di Python

MenengahTingkat Keterampilan

Diperbarui 02/2023

Buat fitur baru untuk meningkatkan kinerja model Machine Learning Anda.

Mulai Kursus Gratis

PythonMachine Learning

4 jam

16 videos

53 Latihan

4,350 XP

38,908

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

Setiap hari Anda mendengar terobosan luar biasa tentang bagaimana penerapan terbaru Machine Learning mengubah dunia. Sering kali pemberitaan tersebut mengabaikan fakta bahwa diperlukan banyak proses pembersihan data dan rekayasa fitur sebelum model canggih apa pun dapat digunakan. Dalam kursus ini, Anda akan mempelajari cara melakukannya. Anda akan bekerja dengan survei Stack Overflow Developers dan pidato pelantikan presiden AS sejarah, untuk memahami cara terbaik melakukan praproses dan merekayasa fitur dari data kategorikal, kontinu, dan tidak terstruktur. Kursus ini akan memberi Anda pengalaman langsung tentang cara menyiapkan data apa pun untuk model Machine Learning Anda sendiri.

Persyaratan

Supervised Learning with scikit-learn

1

Menciptakan Fitur

Pada bab ini, Anda akan mengeksplorasi apa itu rekayasa fitur dan cara memulainya pada data dunia nyata. Anda akan memuat, mengeksplorasi, dan memvisualisasikan himpunan data respons survei, dan melalui itu Anda akan mempelajari tipe data dasarnya serta mengapa hal tersebut memengaruhi cara Anda merekayasa fitur. Dengan paket pandas, Anda akan membuat fitur baru dari kolom kategorikal dan kontinu.

Mengapa membuat fitur?

Mengenal data Anda

Memilih tipe data tertentu

Menangani fitur kategorikal

One-hot encoding dan variabel dummy

Menangani kategori yang jarang muncul

Variabel numerik

Membinarisasi kolom

Membagi nilai ke dalam bin

2

Menangani Data Berantakan

Bab ini memperkenalkan Anda pada realitas data yang berantakan dan tidak lengkap. Anda akan mempelajari cara menemukan nilai hilang dalam data Anda dan mengeksplorasi berbagai pendekatan untuk menanganinya. Anda juga akan menggunakan teknik manipulasi string untuk menangani karakter yang tidak diinginkan dalam himpunan data Anda.

Mengapa nilai yang hilang ada?

Seberapa jarang data saya?

Menemukan nilai yang hilang

Menangani nilai yang hilang (I)

Penghapusan secara keseluruhan (listwise deletion)

Mengganti nilai hilang dengan konstanta

Menangani nilai hilang (II)

Mengisi nilai hilang kontinu

Mengimputasi nilai dalam model prediktif

Menangani masalah data lainnya

Menangani karakter tak diinginkan (I)

Menangani karakter liar (II)

Method chaining

3

Mematuhi Asumsi Statistik

Pada bab ini, Anda akan berfokus pada analisis distribusi dasar data Anda dan apakah hal tersebut akan memengaruhi pipeline Machine Learning Anda. Anda akan mempelajari cara menangani data miring dan situasi ketika pencilan dapat berdampak negatif pada analisis Anda.

Distribusi data

Seperti apa data Anda? (I)

Seperti apa data Anda? (II)

Kapan Anda tidak perlu mentransformasikan data Anda?

Penskalaan dan transformasi

Normalisasi

Standardization

Transformasi log

Kapan Anda dapat menggunakan normalisasi?

Menghapus pencilan

Penghapusan pencilan berbasis persentase

Penghapusan pencilan secara statistik

Menskalakan dan mentransformasikan data baru

Transformasi data train dan test (I)

Transformasi pelatihan dan pengujian (II)

4

Menangani Data Teks

Terakhir, pada bab ini, Anda akan bekerja dengan data teks tidak terstruktur, memahami cara merekayasa fitur kolumnar dari suatu korpus teks. Anda akan membandingkan bagaimana pendekatan berbeda dapat memengaruhi seberapa banyak konteks yang diekstraksi dari teks, serta bagaimana menyeimbangkan kebutuhan konteks tanpa menghasilkan terlalu banyak fitur.

Pengodean teks

Membersihkan teks Anda

Fitur teks tingkat tinggi

Jumlah kata

Menghitung kata (I)

Menghitung kata (II)

Membatasi fitur Anda

Teks menjadi DataFrame

Frekuensi istilah–invers frekuensi dokumen

Memeriksa nilai Tf-idf

Mentransformasi data yang belum pernah dilihat

Menggunakan n-gram yang lebih panjang

Menemukan kata yang paling umum

Rekayasa Fitur untuk Machine Learning di Python

Kursus
Selesai

Memperoleh Surat Keterangan Prestasi

Tambahkan kredensial ini ke profil LinkedIn, resume, atau CV Anda
Bagikan di media sosial dan dalam penilaian kinerja AndaDaftar sekarang

Bergabung dengan 19 juta pelajar dan mulai Rekayasa Fitur untuk Machine Learning di Python Hari Ini!

Kembangkan keterampilan data Anda dengan DataCamp untuk Mobile

Buat kemajuan di mana saja dengan kursus mobile kami dan tantangan coding harian 5 menit.