ComeçarComece de graça

Inicio
Cursos
Pré-processamento para aprendizado de máquina em Python

Codificação de variáveis categóricas

Create Your Free Account

or

Email Address

Password

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

Este exercício faz parte do curso

Pré-processamento para aprendizado de máquina em Python

IntermediárioNível de habilidade

4.8+

Iniciar curso de graça

Neste capítulo, você aprenderá exatamente o que significa pré-processar dados. Você dará os primeiros passos em qualquer jornada de pré-processamento, incluindo a exploração de tipos de dados e o tratamento de dados ausentes.

Exercise 1: Introdução ao pré-processamento Exercise 2: Explorando dados ausentes Exercise 3: Eliminação de dados ausentes Exercise 4: Trabalhar com tipos de dados Exercise 5: Explorando tipos de dados Exercise 6: Conversão de um tipo de coluna Exercise 7: Conjuntos de treinamento e teste Exercise 8: Desequilíbrio de classe Exercise 9: Amostragem estratificada

Este capítulo trata da padronização de dados. Geralmente, um modelo faz algumas suposições sobre a distribuição ou a escala de seus recursos. A padronização é uma maneira de fazer com que seus dados se ajustem a essas suposições e melhorem o desempenho do algoritmo.

Exercise 1: Padronização Exercise 2: Quando padronizar Exercise 3: Modelagem sem normalização Exercise 4: Normalização de logs Exercise 5: Verificação da variação Exercise 6: Normalização de registros em Python Exercise 7: Escalonamento de dados para comparação de recursos Exercise 8: Dimensionamento de dados - investigando colunas Exercise 9: Dimensionamento de dados - padronização de colunas Exercise 10: Dados e modelagem padronizados Exercise 11: KNN em dados não escalonados Exercise 12: KNN em dados escalonados

Nesta seção, você aprenderá sobre engenharia de recursos. Você explorará diferentes maneiras de criar recursos novos e mais úteis a partir dos que já estão em seu conjunto de dados. Você verá como codificar, agregar e extrair informações de recursos numéricos e textuais.

Exercise 1: Engenharia de recursos Exercise 2: Teste de conhecimento de engenharia de recursos Exercise 3: Identificação de áreas para engenharia de recursos Exercise 4: Codificação de variáveis categóricas

Exercício atual

Exercise 5: Codificação de variáveis categóricas - binárias Exercise 6: Codificação de variáveis categóricas - one-hot Exercise 7: Recursos numéricos de engenharia Exercise 8: Agregação de recursos numéricos Exercise 9: Extração de componentes de data e hora Exercise 10: Recursos de texto de engenharia Exercise 11: Extração de padrões de string Exercise 12: Vetorização de texto Exercise 13: Classificação de texto usando vetores tf/idf

Este capítulo aborda algumas técnicas diferentes para selecionar os recursos mais importantes do seu conjunto de dados. Você aprenderá a eliminar recursos redundantes, trabalhar com vetores de texto e reduzir o número de recursos em seu conjunto de dados usando a análise de componentes principais (PCA).

Exercise 1: Seleção de recursos Exercise 2: Quando usar a seleção de recursos Exercise 3: Identificação de áreas para seleção de recursos Exercise 4: Remoção de recursos redundantes Exercise 5: Seleção de recursos relevantes Exercise 6: Verificação de recursos correlacionados Exercise 7: Seleção de recursos usando vetores de texto Exercise 8: Explorando vetores de texto, parte 1 Exercise 9: Explorando vetores de texto, parte 2 Exercise 10: Treinamento do Naive Bayes com seleção de recursos Exercise 11: Redução da dimensionalidade Exercise 12: Usando PCA Exercise 13: Treinamento de um modelo com PCA

Agora que você já aprendeu tudo sobre pré-processamento, você testará essas técnicas em um conjunto de dados que registra informações sobre avistamentos de UFO.

Exercise 1: UFOs e pré-processamento Exercise 2: Verificação dos tipos de coluna Exercise 3: Eliminação de dados ausentes Exercise 4: Variáveis categóricas e padronização Exercise 5: Extração de números de cadeias de caracteres Exercise 6: Identificação de recursos para padronização Exercise 7: Engenharia de novos recursos Exercise 8: Codificação de variáveis categóricas Exercise 9: Recursos de datas Exercise 10: Vetorização de texto Exercise 11: Seleção e modelagem de recursos Exercise 12: Selecionando o conjunto de dados ideal Exercise 13: Modelagem do conjunto de dados UFO, parte 1 Exercise 14: Modelagem do conjunto de dados UFO, parte 2 Exercise 15: Parabéns!