Sari la conținutul principal

Curs

Ingineria caracteristicilor pentru Machine Learning în Python

IntermediarNivel de competențe

Actualizat 02.2023

Creează noi funcționalități pentru a îmbunătăți performanța modelelor tale de Machine Learning.

Începe cursul gratuit

PythonMachine Learning

4 h

16 videoclipuri

53 Exerciții

4,350 XP

38,908

Certificat de realizare

Îndrăgit de cursanți din mii de companii

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

În fiecare zi citim despre descoperiri remarcabile și despre modul în care cele mai noi aplicații de machine learning schimbă lumea. De multe ori, însă, se trece cu vederea faptul că, înainte de a putea folosi aceste modele sofisticate, este nevoie de un volum considerabil de preprocesare a datelor și de inginerie a caracteristicilor. În acest curs, vei învăța exact cum să faci asta. Vei lucra cu datele din sondajul Stack Overflow pentru dezvoltatori și cu discursurile istorice de inaugurare ale președinților SUA, pentru a înțelege cum să preprocesezi și să construiești caracteristici din date categoriale, continue și nestructurate. Cursul îți oferă experiență practică în pregătirea oricărui set de date pentru propriile tale modele de machine learning.

Cerințe prealabile

Supervised Learning with scikit-learn

1

Crearea caracteristicilor

În acest capitol, vei explora ce este ingineria caracteristicilor și cum să începi să o aplici pe date reale. Vei încărca, explora și vizualiza un set de date provenit dintr-un sondaj, iar în acest proces vei învăța despre tipurile de date subiacente și despre motivul pentru care acestea influențează modul în care ar trebui să construiești caracteristicile. Folosind biblioteca pandas, vei crea noi caracteristici atât din coloane categoriale, cât și din coloane continue.

De ce să generăm caracteristici?

Explorează-ți datele

Selectarea anumitor tipuri de date

Lucrul cu caracteristici categoriale

Codificare one-hot și variabile dummy

Gestionarea categoriilor rare

Variabile numerice

Binarizarea coloanelor

Gruparea valorilor în intervale

Începe capitolul

2

Gestionarea datelor dezordonate

Acest capitol te introduce în realitatea datelor dezordonate și incomplete. Vei învăța cum să identifici valorile lipsă din datele tale și vei explora mai multe abordări pentru a le gestiona. Vei folosi, de asemenea, tehnici de manipulare a șirurilor de caractere pentru a elimina caracterele nedorite din setul de date.

De ce există valori lipsă?

Cât de sparse sunt datele mele?

Găsirea valorilor lipsă

Cum gestionezi valorile lipsă (I)

Ștergerea listwise

Înlocuirea valorilor lipsă cu constante

Gestionarea valorilor lipsă (II)

Completarea valorilor lipsă continue

Imputarea valorilor în modelele predictive

Rezolvarea altor probleme cu datele

Gestionarea caracterelor nedorite (I)

Gestionarea caracterelor nedorite (II)

Înlănțuirea metodelor

Începe capitolul

3

Conformarea la ipotezele statistice

În acest capitol, te vei concentra pe analiza distribuției subiacente a datelor și pe impactul pe care aceasta îl poate avea asupra fluxului tău de machine learning. Vei învăța cum să gestionezi datele înclinate și situațiile în care valorile extreme ar putea afecta negativ analiza.

Distribuții de date

Cum arată datele tale? (I)

Cum arată datele tale? (II)

Când nu trebuie să transformi datele?

Scalare și transformări

Normalizare

Standardizarea

Transformarea logaritmică

Când poți folosi normalizarea?

Eliminarea valorilor aberante

Eliminarea valorilor extreme pe bază de procente

Eliminarea valorilor aberante statistice

Scalarea și transformarea datelor noi

Transformări pe seturile de antrenament și de testare (I)

Transformări pe antrenament și testare (II)

Începe capitolul

4

Gestionarea datelor text

În ultimul capitol, vei lucra cu date text nestructurate și vei descoperi modalități prin care poți construi caracteristici tabulare dintr-un corpus de text. Vei compara diferite abordări și vei analiza cât de mult context este extras din text, precum și cum să echilibrezi nevoia de context fără a genera prea multe caracteristici.

Codificarea textului

Curățarea textului

Caracteristici generale ale textului

Numărarea cuvintelor

Numărarea cuvintelor (I)

Numărarea cuvintelor (II)

Limitarea numărului de caracteristici

Din text în DataFrame

Frecvența termenilor – frecvența inversă a documentului

Inspectarea valorilor Tf-idf

Transformarea datelor nevăzute

Folosirea n-gramelor mai lungi

Găsirea celor mai frecvente cuvinte

Începe capitolul

Ingineria caracteristicilor pentru Machine Learning în Python

Curs
finalizat

Obține diploma de absolvire

Adaugă această acreditare la profilul tău LinkedIn, CV sau rezumat
Distribuie pe rețelele de socializare și în evaluarea ta de performanțăÎnscrie-te acum

Alătură-te celor peste 19 de milioane de cursanți și începe Ingineria caracteristicilor pentru Machine Learning în Python astăzi!

Dezvoltați-vă abilitățile de gestionare a datelor cu DataCamp pentru mobil

Fă progrese din mers cu cursurile noastre mobile și provocările zilnice de programare de 5 minute.