Giảm Chiều Dữ Liệu với R

Bạn có thường xuyên làm việc với các tập dữ liệu có số lượng đặc trưng quá lớn không? Bạn có cần tất cả những tính năng đó không? Những yếu tố nào quan trọng nhất? Trong khóa học này, bạn sẽ học các kỹ thuật giảm số chiều giúp đơn giản hóa dữ liệu và các mô hình được xây dựng từ dữ liệu đó, đồng thời vẫn bảo toàn thông tin trong dữ liệu gốc và duy trì hiệu suất dự đoán tốt.

Tại sao nên học giảm chiều dữ liệu?

Chúng ta đang sống trong kỷ nguyên thông tin—một thời đại bội thực thông tin. Nghệ thuật chắt lọc thông tin cốt yếu từ dữ liệu là một kỹ năng có giá trị trên thị trường lao động. Mô hình được huấn luyện nhanh hơn trên tập dữ liệu rút gọn. Khi triển khai thực tế, mô hình nhỏ hơn đồng nghĩa với thời gian phản hồi nhanh hơn. Có lẽ quan trọng nhất là dữ liệu và mô hình nhỏ hơn thường dễ hiểu hơn. Giảm số chiều chính là lưỡi dao cạo Occam trong Khoa học dữ liệu.

Bạn sẽ học được gì trong khóa học này?

Sự khác biệt giữa lựa chọn đặc trưng và trích xuất đặc trưng! Với R, bạn sẽ học cách xác định và loại bỏ các đặc trưng chứa ít thông tin hoặc thông tin dư thừa, đồng thời giữ lại những đặc trưng có nhiều thông tin nhất. Đó là lựa chọn đặc trưng. Bạn cũng sẽ học cách trích xuất các tổ hợp đặc trưng thành những thành phần cô đọng chứa lượng thông tin tối đa. Đó chính là trích xuất đặc trưng!

Quan trọng nhất, với gói tidymodel mới của R, bạn sẽ sử dụng dữ liệu thực tế để xây dựng các mô hình với ít đặc trưng hơn mà không làm giảm đáng kể hiệu suất.