Lewati ke konten utama

Kursus

Predictive Analytics Tingkat Menengah dengan Python

DasarTingkat Keterampilan

Diperbarui 08/2024

Pelajari cara mempersiapkan dan mengorganisir data Anda untuk analisis prediktif.

Mulai Kursus Gratis

PythonMachine Learning

4 jam

15 videos

56 Latihan

4,350 XP

6,519

Pernyataan Pencapaian

Dipercaya oleh para pelajar di ribuan perusahaan

Melatih Tim?

Coba untuk Bisnis

Deskripsi Kursus

Membangun model yang baik hanya berhasil jika Anda memiliki base table yang layak sebagai awal. Dalam kursus ini Anda akan mempelajari cara membangun base table yang baik, membuat variabel, dan menyiapkan data untuk pemodelan. Kita akhiri dengan topik lanjutan terkait hal tersebut.

Persyaratan

Introduction to Predictive Analytics in Python

1

Konsep penting base table

Pada bab ini Anda akan mempelajari cara menyusun fondasi base table Anda, yaitu populasi dan target.

Linimasa base table

Pelanggaran lini masa

Data yang tersedia

Pelanggaran linimasa

Pilih populasi yang relevan

Populasi yang sesuai linimasa

Menghapus objek duplikat

Hitung target acara

Hitung target teragregasi

2

Membuat variabel

Anda akan mempelajari cara menambahkan variabel ke base table yang dapat digunakan untuk memprediksi target.

Menambahkan variabel tetap

Memilih nilai yang tepat

Menambahkan umur

Menambahkan segmen donor

Menambahkan tempat tinggal

Menambahkan variabel teragregasi

Memilih tanggal yang tepat

Nilai maksimum tahun lalu

Kerecentan donasi

Menambahkan evolusi

Rasio rata-rata bulan lalu dan tahun lalu

Selisih absolut antara dua tahun

Menggunakan variabel evolusi

Kinerja variabel evolusi

Makna evolusi

3

Persiapan data

Setelah Anda menurunkan variabel dari data mentah, saatnya membersihkan data dan menyiapkannya untuk pemodelan. Pada bab ini kita membahas langkah-langkah yang perlu dilakukan agar data siap untuk pemodelan.

Membuat variabel dummy

Membuat dummy dari variabel dua kategori

Membuat dummy dari variabel dengan banyak kategori

Nilai hilang

Cara mengganti nilai hilang

Membuat dummy nilai hilang

Ganti nilai hilang dengan nilai median

Ganti nilai hilang dengan nilai tetap

Menangani pencilan

Dampak pencilan pada model prediktif

Tangani pencilan dengan winsorization

Menangani pencilan dengan simpangan baku

Transformasi

Transformasi akar kuadrat

Menambahkan interaksi ke basetable

4

Konsep lanjutan base table

Dalam beberapa kasus, target atau variabel sangat dipengaruhi oleh musim. Anda akan mempelajari cara menangani musiman dengan menambahkan berbagai snapshot ke base table.

Musiman atau tidak

Mendeteksi musiman (seasonality)

Dampak musiman

Menggunakan beberapa snapshot

Nilai target

Menghitung target snapshot

Menghitung variabel teragregasi

Menumpuk basetable

Kesenjangan waktu

Peristiwa selama timegap

Menghitung variabel teragregasi dengan timegap

Menambahkan usia dengan timegap

Predictive Analytics Tingkat Menengah dengan 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 Predictive Analytics Tingkat Menengah dengan 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.