Sariți la conținutul principal

Curs

Preprocesare pentru Machine Learning în Python

IntermediarNivel de competențe

Actualizat 12.2025

Învață cum să cureți și să pregătești datele pentru machine learning!

Începe cursul gratuit

PythonMachine Learning

4 h

20 videoclipuri

62 Exerciții

4,700 XP

66,582

Certificat de realizare

Îndrăgit de cursanți din mii de companii

Formare pentru o echipă?

Încearcă pentru afaceri

Descrierea cursului

Acest curs acoperă noțiunile de bază despre cum și când să efectuezi preprocesarea datelor. Această etapă esențială din orice proiect de machine learning este momentul în care îți pregătești datele pentru modelare. Preprocesarea intervine între importul și curățarea datelor, pe de o parte, și antrenarea modelului de machine learning, pe de altă parte. Vei învăța cum să standardizezi datele pentru a le aduce în forma potrivită modelului, cum să creezi noi caracteristici care să valorifice la maximum informațiile din setul de date și cum să selectezi cele mai relevante caracteristici pentru a îmbunătăți performanța modelului. La final, vei exersa preprocesarea pregătind un set de date despre observații OZN pentru modelare.

Cerințe prealabile

Cleaning Data in Python Supervised Learning with scikit-learn

1

Introduction to Data Preprocessing

In this chapter you'll learn exactly what it means to preprocess data. You'll take the first steps in any preprocessing journey, including exploring data types and dealing with missing data.

Introduction to preprocessing

Exploring missing data

Dropping missing data

Working with data types

Exploring data types

Converting a column type

Training and test sets

Class imbalance

Stratified sampling

Începe capitolul

2

Standardizing Data

This chapter is all about standardizing data. Often a model will make some assumptions about the distribution or scale of your features. Standardization is a way to make your data fit these assumptions and improve the algorithm's performance.

Standardization

When to standardize

Modeling without normalizing

Log normalization

Checking the variance

Log normalization in Python

Scaling data for feature comparison

Scaling data - investigating columns

Scaling data - standardizing columns

Standardized data and modeling

KNN on non-scaled data

KNN on scaled data

Începe capitolul

3

Feature Engineering

In this section you'll learn about feature engineering. You'll explore different ways to create new, more useful, features from the ones already in your dataset. You'll see how to encode, aggregate, and extract information from both numerical and textual features.

Feature engineering

Feature engineering knowledge test

Identifying areas for feature engineering

Encoding categorical variables

Encoding categorical variables - binary

Encoding categorical variables - one-hot

Engineering numerical features

Aggregating numerical features

Extracting datetime components

Engineering text features

Extracting string patterns

Vectorizing text

Text classification using tf/idf vectors

Începe capitolul

4

Selecting Features for Modeling

This chapter goes over a few different techniques for selecting the most important features from your dataset. You'll learn how to drop redundant features, work with text vectors, and reduce the number of features in your dataset using principal component analysis (PCA).

Feature selection

When to use feature selection

Identifying areas for feature selection

Removing redundant features

Selecting relevant features

Checking for correlated features

Selecting features using text vectors

Exploring text vectors, part 1

Exploring text vectors, part 2

Training Naive Bayes with feature selection

Dimensionality reduction

Training a model with PCA

Începe capitolul

5

Putting It All Together

Now that you've learned all about preprocessing you'll try these techniques out on a dataset that records information on UFO sightings.

UFOs and preprocessing

Checking column types

Dropping missing data

Categorical variables and standardization

Extracting numbers from strings

Identifying features for standardization

Engineering new features

Encoding categorical variables

Features from dates

Text vectorization

Feature selection and modeling

Selecting the ideal dataset

Modeling the UFO dataset, part 1

Modeling the UFO dataset, part 2

Congratulations!

Începe capitolul

Preprocesare 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 Preprocesare 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.