Pourquoi y a-t-il des valeurs manquantes?

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.

Cette activité fait partie du cours

Ingénierie des caractéristiques pour le Machine Learning en Python

SkillTag.level.intermediateSkillTag.label

4.8+

Commencer le cours gratuitement

Dans ce chapitre, vous verrez ce qu'est l'ingénierie des caractéristiques et comment commencer à l'appliquer à des données réelles. Vous chargerez, explorerez et visualiserez un ensemble de réponses d'enquête et, ce faisant, vous apprendrez ses types de données sous-jacents et pourquoi ils influencent la façon de concevoir vos caractéristiques. Avec le module pandas, vous créerez de nouvelles caractéristiques à partir de colonnes à la fois catégorielles et continues.

Exercise 1: Pourquoi créer des caractéristiques ?Exercise 2: Faites connaissance avec vos données Exercise 3: Sélectionner des types de données précis Exercise 4: Gérer les caractéristiques catégorielles Exercise 5: Encodage one-hot et variables fictives Exercise 6: Gérer les catégories peu fréquentes Exercise 7: Variables numériques Exercise 8: Binariser des colonnes Exercise 9: Regrouper des valeurs en classes (binning)

Ce chapitre vous présente la réalité des données incomplètes et désordonnées. Vous apprendrez à repérer où vos données comportent des valeurs manquantes et explorerez plusieurs façons de les traiter. Vous utiliserez aussi des techniques de manipulation de chaînes pour retirer les caractères indésirables dans votre ensemble de données.

Exercise 1: Pourquoi y a-t-il des valeurs manquantes?

Exercice en cours

Exercise 2: À quel point mes données sont-elles clairsemées ?Exercise 3: Repérer les valeurs manquantes Exercise 4: Gérer les valeurs manquantes (I)Exercise 5: Suppression par liste Exercise 6: Remplacer les valeurs manquantes par des constantes Exercise 7: Gérer les valeurs manquantes (II)Exercise 8: Remplir les valeurs manquantes continues Exercise 9: Imputation de valeurs dans les modèles prédictifs Exercise 10: Traiter d'autres problèmes liés aux données Exercise 11: Gérer les caractères indésirables (I)Exercise 12: Gérer les caractères indésirables (II)Exercise 13: Chaînage de méthodes

Dans ce chapitre, vous vous concentrerez sur l'analyse de la distribution sous-jacente de vos données et sur l'impact potentiel sur votre pipeline de Machine Learning. Vous apprendrez à traiter des données asymétriques et des situations où des valeurs aberrantes nuisent à votre analyse.

Exercise 1: Distributions de données Exercise 2: À quoi ressemblent vos données? (I)Exercise 3: À quoi ressemblent vos données? (II)Exercise 4: Quand n'avez-vous pas à transformer vos données?Exercise 5: Mise à l'échelle et transformations Exercise 6: Normalisation Exercise 7: Standardisation Exercise 8: Transformation logarithmique Exercise 9: Quand peut-on utiliser la normalisation?Exercise 10: Retirer les valeurs aberrantes Exercise 11: Retrait des valeurs aberrantes selon un pourcentage Exercise 12: Suppression statistique des valeurs aberrantes Exercise 13: Mise à l'échelle et transformation de nouvelles données Exercise 14: Transformations à l'entraînement et au test (I)Exercise 15: Transformations d'entraînement et de test (II)

Enfin, dans ce chapitre, vous travaillerez avec des données textuelles non structurées et verrez comment en extraire des caractéristiques colonnes à partir d'un corpus. Vous comparerez différentes approches selon la quantité de contexte extraite d'un texte et apprendrez à trouver un équilibre entre le contexte nécessaire et la création d'un trop grand nombre de caractéristiques.

Exercise 1: Encodage du texte Exercise 2: Nettoyer votre texte Exercise 3: Caractéristiques textuelles de haut niveau Exercise 4: Comptage de mots Exercise 5: Compter les mots (I)Exercise 6: Compter les mots (II)Exercise 7: Limiter vos caractéristiques Exercise 8: Du texte à un DataFrame Exercise 9: Fréquence des termes - fréquence inverse des documents Exercise 10: Tf-idf Exercise 11: Examiner les valeurs Tf-idf Exercise 12: Transformer des données inédites Exercise 13: N-grammes Exercise 14: Utiliser des n-grammes plus longs Exercise 15: Repérer les mots les plus fréquents Exercise 16: Conclusion