or
Acest exercițiu face parte din cursul
Pregătește-te să simplifici seturi mari de date! Vei învăța despre informație, cum să evaluezi importanța atributelor și vei exersa identificarea atributelor cu informație redusă. La finalul capitolului, vei înțelege diferența dintre selecția atributelor și extracția atributelor – cele două abordări ale reducerii dimensionalității.
Învață să identifici atributele bogate în informație și pe cele sărace în informație folosind ratele valorilor lipsă, varianța și corelația. Apoi vei descoperi cum să construiești rețete tidymodels pentru a selecta atribute pe baza acestor indicatori de informație.
Capitolul trei prezintă diferența dintre abordările nesupervizate și cele supervizate de selecție a atributelor. Vei recapitula cum să folosești fluxurile de lucru tidymodels pentru a construi modele. Apoi vei efectua selecția supervizată a atributelor folosind regresia lasso și modele de tip random forest.
În acest capitol final, vei dobândi o înțelegere solidă a extracției atributelor, explorând modul în care componentele principale extrag și combină cele mai importante informații din diferite atribute. Vei învăța și vei aplica trei tipuri de extracție a atributelor: analiza componentelor principale (PCA), t-SNE și UMAP. Vei descoperi cum poți folosi aceste metode de extracție ca etapă de preprocesare în procesul de construire a modelelor cu tidymodels.
Exercițiul curent