700+ courses, half price
Descrierea cursului
Descoperă Feature Engineering pentru Machine Learning
În acest curs, vei descoperi ce înseamnă feature engineering, un element esențial pentru multe tipuri de modele de machine learning. Deoarece performanța oricărui model este direct influențată de caracteristicile pe care le primește, feature engineering pune cunoștințele de domeniu în centrul procesului. Vei descoperi principiile unui feature engineering eficient, care te ajută să reduci numărul de variabile acolo unde este posibil, să faci algoritmii de învățare să ruleze mai rapid, să îmbunătățești interpretabilitatea și să previi overfitting-ul.Aplică tehnici de Feature Engineering în R
Vei învăța cum să aplici tehnici de feature engineering folosind framework-ul tidymodels din R, cu accent pe pachetul recipe, care îți va permite să creezi, extragi, transformi și să selectezi cele mai bune features pentru modelul tău.Dezvoltă caracteristici și creează modele ML mai performante
Când ai de-a face cu un nou set de date, vei putea identifica și selecta caracteristicile relevante și să ignori pe cele neinformative, astfel încât modelul tău să funcționeze mai rapid fără să pierzi din acuratețe. Vei învăța, de asemenea, să aplici transformări și să creezi noi caracteristici pentru a face modelele tale mai eficiente, mai ușor de interpretat și mai precise!Cerințe prealabile
Programă
Planul cursului
1
Introducere în ingineria caracteristicilor
Datele brute nu vin întotdeauna în forma ideală pentru analiză. În acest capitol de deschidere, vei face cunoștință cu modalitățile de transformare și creare a caracteristicilor care îmbunătățesc performanța și interpretabilitatea modelului tău.
- Ce este ingineria caracteristicilor?50 XP
- Un model preliminar100 XP
- Crearea manuală a unei caracteristici100 XP
- Crearea de noi caracteristici folosind cunoștințele din domeniu50 XP
- Pregătirea datelor pentru analiză100 XP
- Construirea unui workflow100 XP
- Creșterea conținutului informațional al datelor brute50 XP
- Identificarea valorilor lipsă100 XP
- Imputarea valorilor lipsă și crearea variabilelor dummy100 XP
- Antrenarea și evaluarea modelului100 XP
- Prezicerea rezervărilor la hotel100 XP
2
Transformarea caracteristicilor
În acest capitol, vei descoperi că, dincolo de transformarea manuală a caracteristicilor, poți utiliza instrumentele din tidyverse pentru a crea variabile noi în mod programatic. Vei explora cum această abordare îmbunătățește reproductibilitatea modelelor tale și este deosebit de utilă atunci când lucrezi cu seturi de date care au multe caracteristici.
3
Extragerea caracteristicilor
Vei învăța acum cum modelele beneficiază adesea de reducerea dimensionalității și de extragerea caracteristicilor din date de înaltă dimensiune, inclusiv conversia datelor text în valori numerice, codificarea datelor categoriale și ierarhizarea puterii predictive a variabilelor. Vei explora metode precum analiza componentelor principale, analiza componentelor principale cu kernel, extragerea de valori numerice din text, codificările categoriale și scorurile de importanță a variabilelor.
4
Selectarea caracteristicilor
Vei încheia cursul aprofundând tehnicile de inginerie a caracteristicilor și de învățare automată. Vei începe prin a te concentra asupra problemelor asociate utilizării tuturor caracteristicilor disponibile într-un model, precum și asupra importanței identificării caracteristicilor irelevante și redundante și a eliminării acestora prin metode integrate, precum lasso și elastic-net. Apoi, vei explora metode de regularizare precum lasso, ridge și elastic-net, care pot fi folosite pentru a regulariza ponderile caracteristicilor sau pentru a selecta caracteristici prin setarea coeficienților la zero. În final, te vei concentra pe crearea unui flux de lucru complet pentru ingineria caracteristicilor și pe recapitularea și exersarea conceptelor și funcțiilor învățate anterior într-un proiect de mici dimensiuni.
R
Ingineria caracteristicilor în R
Curs
finalizat
