Build your ultimate AI agent
Opis kursu
Odkryj inżynierię cech dla uczenia maszynowego
W tym kursie poznasz inżynierię cech, która stanowi podstawę wielu typów modeli uczenia maszynowego. Ponieważ wydajność każdego modelu jest bezpośrednią konsekwencją cech, którymi go zasilasz, inżynieria cech stawia wiedzę dziedzinową w centrum procesu. Poznasz zasady skutecznego feature engineeringu, co pomoże tam, gdzie to możliwe, ograniczyć liczbę zmiennych, przyspieszyć działanie algorytmów uczenia, poprawić interpretowalność i zapobiegać overfittingowi.Zastosuj techniki inżynierii cech w R
Nauczysz się, jak wdrażać techniki inżynierii cech z użyciem frameworka tidymodels w R, ze szczególnym uwzględnieniem pakietu recipe, który pozwoli Ci tworzyć, wyodrębniać, przekształcać i wybierać najlepsze cechy dla Twojego modelu.Inżynieria cech i budowanie lepszych modeli ML
W obliczu nowego zbioru danych będziesz w stanie identyfikować i wybierać istotne cechy oraz pomijać te nieinformacyjne, aby przyspieszyć działanie modelu bez utraty dokładności. Nauczysz się także swobodnie stosować transformacje i tworzyć nowe cechy, aby Twoje modele były bardziej wydajne, interpretowalne i dokładne!Wymagania wstępne
Program kursu
Plan kursu
1
Wprowadzenie do inżynierii cech
Surowe dane nie zawsze są w najlepszej formie do analizy. W tym rozdziale po raz pierwszy zobaczysz, jak przekształcać i tworzyć cechy, które poprawiają wydajność i interpretowalność modelu.
- Czym jest inżynieria cech?50 XP
- Wstępny model100 XP
- Ręczne tworzenie cechy100 XP
- Tworzenie nowych cech z wykorzystaniem wiedzy dziedzinowej50 XP
- Przygotowanie danych do analizy100 XP
- Budowanie przepływu pracy100 XP
- Zwiększanie zawartości informacyjnej surowych danych50 XP
- Identyfikowanie brakujących wartości100 XP
- Imputacja brakujących wartości i tworzenie zmiennych dummy100 XP
- Dopasowanie i ocena modelu100 XP
- Przewidywanie rezerwacji hotelowych100 XP
2
Przekształcanie cech
W tym rozdziale przekonasz się, że oprócz ręcznego przekształcania cech możesz korzystać z narzędzi tidyverse, aby programowo tworzyć nowe zmienne. Zobaczysz, jak takie podejście zwiększa odtwarzalność modeli i jest szczególnie przydatne przy pracy ze zbiorami danych zawierającymi wiele cech.
3
Wyodrębnianie cech
Poznasz teraz metody, dzięki którym modele często zyskują na redukcji wymiarowości i wyodrębnianiu cech z danych wysokowymiarowych – w tym konwersji danych tekstowych na wartości liczbowe, kodowaniu danych kategorycznych i ocenie predykcyjnej siły zmiennych. Omówisz metody takie jak analiza głównych składowych (PCA), jądrowa analiza głównych składowych (KPCA), wyodrębnianie wartości liczbowych z tekstu, kodowanie kategorii oraz miary ważności zmiennych.
4
Wybór cech
Kurs zakończysz, zgłębiając techniki inżynierii cech i uczenia maszynowego. Na początku skupisz się na problemach związanych z używaniem wszystkich dostępnych cech w modelu oraz na znaczeniu identyfikowania cech nieistotnych i redundantnych – nauczysz się je usuwać metodami osadzonymi, takimi jak lasso i elastic-net. Następnie zbadasz metody regularyzacji, takie jak lasso, grzbietowa i elastic-net, które pozwalają regulować wagi cech lub dokonywać ich selekcji przez wyzerowanie współczynników. Na koniec skupisz się na budowaniu kompletnego przepływu pracy inżynierii cech i utrwalisz poznane wcześniej pojęcia oraz funkcje w małym projekcie.
R
Inżynieria cech w R
Kurs
ukończony
