Ana içeriğe atla

Kurs

Python ile Orta Düzey Öngörüsel Analitik

TemelBeceri Seviyesi

Güncel 08.2024

Tahmine dayalı analitik için verilerinizi nasıl hazırlayıp düzenleyeceğinizi öğrenin.

Kursa Ücretsiz Başlayın

PythonMachine Learning4 sa15 video56 Egzersiz4,350 XP6,482Başarı Belgesi

Ücretsiz Hesabınızı Oluşturun

veya

Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

Binlerce şirketten öğrencinin sevgisini kazandı

2 veya daha fazla kişiyi mi eğitiyorsunuz?

DataCamp for Business ürününü deneyin

Kurs Açıklaması

İyi modeller kurmak, yalnızca iyi bir temel tabloyla başlarsa başarılı olur. Bu kursta iyi bir temel tabloyu nasıl oluşturacağını, değişkenler yaratmayı ve verini modellemeye hazırlamayı öğreneceksin. Konuyu ileri düzey başlıklarla tamamlıyoruz.

Önkoşullar

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

Bölümü Başlat

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

Bölümü Başlat

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

Bölümü Başlat

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

Bölümü Başlat

Python ile Orta Düzey Öngörüsel Analitik

Kurs
Tamamlandı

Başarı Belgesi Kazanın

Bu kimlik bilgisini LinkedIn profilinize, özgeçmişinize veya CV'nize ekleyin
Sosyal medyada ve performans incelemenizde paylaşınŞimdi Kaydolun

Bugün 19 milyondan fazla öğrenciye katılın ve Python ile Orta Düzey Öngörüsel Analitik eğitimine başlayın!

Ücretsiz Hesabınızı Oluşturun

veya

Devam ederek Kullanım Şartlarımızı, Gizlilik Politikamızı ve verilerinizin ABD’de saklandığını kabul etmiş olursunuz.

DataCamp for Mobile ile veri becerilerinizi geliştirin

Mobil kurslarımız ve günde 5 dakikalık kodlama görevlerimizle hareket halindeyken ilerleme kaydedin.