or
Toto cvičení je součástí kurzu
Připrav se na zjednodušování velkých datových sad! Dozvíš se, co je to informace, jak hodnotit důležitost příznaků, a procvičíš si rozpoznávání příznaků s nízkou informační hodnotou. Na konci kapitoly budeš rozumět rozdílu mezi výběrem příznaků a extrakcí příznaků — dvěma přístupy k redukci dimenzionality.
Nauč se identifikovat informačně bohaté a informačně chudé příznaky pomocí poměrů chybějících hodnot, rozptylu a korelace. Pak zjistíš, jak sestavovat recepty tidymodels pro výběr příznaků na základě těchto ukazatelů informace.
Třetí kapitola představuje rozdíl mezi přístupy k výběru příznaků bez učitele a s učitelem. Zopakuješ si, jak používat pracovní postupy tidymodels při sestavování modelů. Pak provedeš výběr příznaků s učitelem pomocí lasso regrese a modelů náhodného lesa.
V této závěrečné kapitole si vybudujete silnou intuici pro extrakci příznaků díky pochopení toho, jak hlavní komponenty extrahují a kombinují nejdůležitější informace z různých příznaků. Pak se seznámíš se třemi typy extrakce příznaků — analýzou hlavních komponent (PCA), t-SNE a UMAP — a všechny si vyzkoušíš. Zjistíš, jak tyto metody extrakce příznaků využít jako krok předzpracování v procesu sestavování modelů v tidymodels.
Aktuální cvičení