Przejdź do głównej treści

Strona główna Python

Kurs

Pośrednia analityka predykcyjna w Pythonie

PodstawowyPoziom umiejętności

Zaktualizowano 08.2024

Dowiedz się, jak przygotować i uporządkować dane do analityki predykcyjnej.

Zacznij kurs za darmo

PythonMachine Learning

4 godz.

15 filmów

56 Ćwiczeń

4,350 XP

6,516

Zaświadczenie o ukończeniu

Uwielbiany przez kursantów z tysięcy firm

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Budowanie dobrych modeli jest możliwe tylko wtedy, gdy dysponujesz solidną tabelą bazową. W tym kursie nauczysz się, jak ją konstruować, tworzyć zmienne i przygotowywać dane do modelowania. Na końcu omówimy zaawansowane zagadnienia związane z tym tematem.

Wymagania wstępne

Introduction to Predictive Analytics in Python

1

Crucial base table concepts

In this chapter you will learn how to construct the foundations of your base table, namely the population and the target.

The basetable timeline

Timeline violations

Available data

Timeline violation

The population

Select the relevant population

A timeline compliant population

Removing duplicate objects

Calculate an event target

Calculate an aggregated target

Zacznij rozdział

2

Creating variables

You will learn how to add variables to the base table that you can use to predict the target.

Adding fixed variables

Selecting the right value

Adding the donor segment

Adding living place

Adding aggregated variables

Selecting the appropriate date

Maximum value last year

Recency of donations

Adding evolutions

Ratio of last month's and last year's average

Absolute difference between two years

Using evolution variables

Performance of evolution variables

Meaning of evolution

Zacznij rozdział

3

Data preparation

Once you derived variables from the raw data, it is time to clean the data and prepare it for modeling. In this Chapter we discuss the steps that need to be taken to make your data modeling-ready.

Creating dummies

Creating a dummy from a two-category variable

Creating dummies from a many-categories variable

Missing values

How to replace missing values

Creating a missing value dummy

Replace missing values with the median value

Replace missing values with a fixed value

Handling outliers

Influence of outliers on predictive models

Handle outliers with winsorization

Handle outliers with standard deviation

Transformations

Interactions

Square root transformation

Adding interactions to the basetable

Zacznij rozdział

4

Advanced base table concepts

In some cases, the target or variables change heavily with the seasons. You will learn how you can deal with seasonality by adding different snapshots to the base table.

Seasonality

Seasonality or not

Detecting seasonality

The effect of seasonality

Using multiple snapshots

Target values

Calculating snapshot targets

Calculating aggregated variables

Stacking basetables

The timegap

Events during the timegap

Calculating aggregated variables with timegap

Adding age with timegap

Congratulations

Zacznij rozdział

Pośrednia analityka predykcyjna w Pythonie

Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracyZapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Pośrednia analityka predykcyjna w Pythonie już dziś!

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.