Pada bab ini Anda akan mempelajari cara menyusun fondasi base table Anda, yaitu populasi dan target.

Linimasa base table

Pelanggaran lini masa

Data yang tersedia

Pelanggaran linimasa

Populasi

Pilih populasi yang relevan

Populasi yang sesuai linimasa

Menghapus objek duplikat

Target

Hitung target acara

Hitung target teragregasi

Konsep penting base table

Anda akan mempelajari cara menambahkan variabel ke base table yang dapat digunakan untuk memprediksi target.

Menambahkan variabel tetap

Memilih nilai yang tepat

Menambahkan umur

Menambahkan segmen donor

Menambahkan tempat tinggal

Menambahkan variabel teragregasi

Memilih tanggal yang tepat

Nilai maksimum tahun lalu

Kerecentan donasi

Menambahkan evolusi

Rasio rata-rata bulan lalu dan tahun lalu

Selisih absolut antara dua tahun

Menggunakan variabel evolusi

Kinerja variabel evolusi

Makna evolusi

Membuat variabel

Setelah Anda menurunkan variabel dari data mentah, saatnya membersihkan data dan menyiapkannya untuk pemodelan. Pada bab ini kita membahas langkah-langkah yang perlu dilakukan agar data siap untuk pemodelan.

Membuat variabel dummy

Membuat dummy dari variabel dua kategori

Membuat dummy dari variabel dengan banyak kategori

Nilai hilang

Cara mengganti nilai hilang

Membuat dummy nilai hilang

Ganti nilai hilang dengan nilai median

Ganti nilai hilang dengan nilai tetap

Menangani pencilan

Dampak pencilan pada model prediktif

Tangani pencilan dengan winsorization

Menangani pencilan dengan simpangan baku

Transformasi

Interaksi

Transformasi akar kuadrat

Menambahkan interaksi ke basetable

Persiapan data

Dalam beberapa kasus, target atau variabel sangat dipengaruhi oleh musim. Anda akan mempelajari cara menangani musiman dengan menambahkan berbagai snapshot ke base table.

Musiman

Musiman atau tidak

Mendeteksi musiman (seasonality)

Dampak musiman

Menggunakan beberapa snapshot

Nilai target

Menghitung target snapshot

Menghitung variabel teragregasi

Menumpuk basetable

Kesenjangan waktu

Peristiwa selama timegap

Menghitung variabel teragregasi dengan timegap

Menambahkan usia dengan timegap

Selamat

Konsep lanjutan base table

Donor IDs

Basetable with countries and age

Basetable used in Ex 2.13

Living place of donors

Donations

Membangun model yang baik hanya berhasil jika Anda memiliki base table yang layak sebagai awal. Dalam kursus ini Anda akan mempelajari cara membangun base table yang baik, membuat variabel, dan menyiapkan data untuk pemodelan. Kita akhiri dengan topik lanjutan terkait hal tersebut.

Introduction to Predictive Analytics in Python

Pelajari cara menyiapkan dan mengatur data untuk analitik prediktif dengan Python.

Predictive Analytics Tingkat Menengah dengan Python

Pelajari cara mempersiapkan dan mengorganisir data Anda untuk analisis prediktif.

Musiman atau tidak

Predictive Analytics Tingkat Menengah dengan Python

Latihan interaktif langsung