Kódování kategorických dat pomocí řízeného učení

Create Your Free Account

or

By continuing, you accept our Terms of Use, our Privacy Policy and that your data is stored in the USA.

Toto cvičení je součástí kurzu

Feature Engineering v R

SkillTag.level.intermediateSkillTag.label

4.8+

Začněte kurz zdarma

Surová data ne vždy přicházejí v ideální podobě pro analýzu. V této úvodní kapitole se poprvé podíváš na to, jak transformovat a vytvářet příznaky, které zlepší výkon i interpretovatelnost tvého modelu.

Exercise 1: Co je feature engineering?Exercise 2: Předběžný model Exercise 3: Ruční tvorba příznaku Exercise 4: Vytváření nových příznaků s využitím doménových znalostí Exercise 5: Příprava dat pro analýzu Exercise 6: Sestavení workflow Exercise 7: Zvyšování informační hodnoty surových dat Exercise 8: Identifikace chybějících hodnot Exercise 9: Imputace chybějících hodnot a vytvoření dummy proměnných Exercise 10: Trénování a hodnocení modelu Exercise 11: Předpovídání hotelových rezervací

V této kapitole zjistíš, že kromě ruční transformace příznaků můžeš využít nástroje z tidyverse k programatickému vytváření nových proměnných. Prozkoumáš, jak tento přístup zlepšuje reprodukovatelnost tvých modelů a proč je zvlášť užitečný při práci s datasety obsahujícími velké množství příznaků.

Exercise 1: Proč transformovat stávající příznaky?Exercise 2: Rychlý pohled na data Exercise 3: Normalizace a logaritmická transformace Exercise 4: Trénování a augmentace Exercise 5: Přizpůsob si hodnocení modelu Exercise 6: Běžné transformace příznaků Exercise 7: Běžné transformace Exercise 8: Jednoduchý recept Exercise 9: Transformace Box-Cox Exercise 10: Yeo-Johnsonova transformace Exercise 11: Pokročilé transformace Exercise 12: Základní model Exercise 13: step_poly()Exercise 14: step_percentile()Exercise 15: Kdo zůstává?

Naučíš se, jak modely často těží z redukce dimenzionality a extrakce příznaků z vícerozměrných dat – včetně převodu textových dat na číselné hodnoty, kódování kategorických dat a hodnocení prediktivní síly proměnných. Prozkoumáš metody jako analýza hlavních komponent, kernelová analýza hlavních komponent, numerická extrakce z textu, kódování kategorií a skóre důležitosti proměnných.

Exercise 1: Redukce dimenzionality Exercise 2: Příprava scény Exercise 3: Prozkoumání struktury Exercise 4: Procentuální podíl vysvětleného rozptylu Exercise 5: Vizualizace vysvětlené variability Exercise 6: Feature hashing Exercise 7: Zkoumání vzdělávacího oboru Exercise 8: Do matice Exercise 9: Průzkum hashování Exercise 10: Vizualizace hashování Exercise 11: Kódování kategorických dat pomocí řízeného učení

Aktuální cvičení

Exercise 12: Sestavení workflow Exercise 13: Trénování, augmentace a vyhodnocení Exercise 14: Spojení modelů dohromady Exercise 15: Důležitost proměnných Exercise 16: Vytvoření workflow Exercise 17: Trénování a augmentace modelu Exercise 18: Který prediktor je nejdůležitější?

Kurz zakončíš přehledem technik feature engineeringu a strojového učení. Nejprve se zaměříš na problémy spojené s použitím všech dostupných příznaků v modelu a na důležitost identifikace nevhodných a redundantních příznaků – a naučíš se je odstraňovat pomocí vestavěných metod, jako je lasso a elastic-net. Poté prozkoumáš metody regularizace (lasso, ridge a elastic-net), které slouží k regularizaci vah příznaků nebo k výběru příznaků nastavením koeficientů na nulu. Nakonec se zaměříš na sestavení komplexního workflow pro feature engineering a procvičíš dříve získané znalosti a funkce v malém projektu.

Exercise 1: Redukce příznaků modelu Exercise 2: Prozkoumání důležitosti proměnných Exercise 3: Hodnocení výkonu modelu se všemi dostupnými prediktory Exercise 4: Sestavení redukovaného modelu Exercise 5: Metody regularizace Exercise 6: Ruční regularizace pomocí Lasso Exercise 7: Ladění penalizace Exercise 8: Finalizace modelu Exercise 9: Dáme to dohromady Exercise 10: Příprava a rozdělení dat Exercise 11: Předzpracování Exercise 12: Model Exercise 13: Vyhodnocení Exercise 14: Gratulujeme!