I det här kapitlet utforskar du vad särdragshantering är och hur du kommer igång med att tillämpa det på verkliga data. Du läser in, utforskar och visualiserar ett enkätdataset och lär dig därigenom om dess underliggande datatyper och varför dessa påverkar hur du bör skapa dina särdrag. Med hjälp av pandas skapar du nya särdrag från både kategoriska och kontinuerliga kolumner.

Varför skapa särdrag?

Lär känna dina data

Välja specifika datatyper

Hantera kategoriska särdrag

One-hot-kodning och dummyvariabler

Hantera ovanliga kategorier

Numeriska variabler

Binarisering av kolumner

Gruppera värden i intervall

Skapa särdrag

Det här kapitlet introducerar dig till verkligheten med rörig och ofullständig data. Du lär dig att hitta var din data saknar värden och utforskar flera olika sätt att hantera det. Du använder också strängmanipulering för att hantera oönskade tecken i ditt dataset.

Varför finns det saknade värden?

Hur gles är min data?

Hitta de saknade värdena

Hantera saknade värden (I)

Listwise-borttagning

Ersätta saknade värden med konstanter

Hantera saknade värden (II)

Fylla i saknade kontinuerliga värden

Imputera värden i prediktiva modeller

Hantera andra dataproblem

Hantera oönskade tecken (I)

Hantera avvikande tecken (II)

Metodkedja

Hantera rörig data

I det här kapitlet fokuserar du på att analysera den underliggande fördelningen av dina data och om den kan påverka din maskininlärningspipeline. Du lär dig att hantera skev data och situationer där extremvärden kan påverka din analys negativt.

Datadistributioner

Hur ser dina data ut? (I)

Hur ser din data ut? (II)

När behöver du inte transformera dina data?

Skalning och transformationer

Normalisering

Standardisering

Logaritmisk transformation

När kan du använda normalisering?

Ta bort avvikare

Borttagning av extremvärden med procentgränser

Borttagning av statistiska avvikare

Skalning och transformering av ny data

Transformationer för träning och testning (I)

Transformationer för träning och test (II)

Anpassa till statistiska antaganden

I det avslutande kapitlet arbetar du med ostrukturerade textdata och lär dig hur du kan skapa kolumnbaserade särdrag från ett textkorpus. Du jämför hur olika metoder påverkar hur mycket kontext som extraheras från en text, och hur du balanserar behovet av kontext mot risken att skapa för många särdrag.

Koda text

Städa upp din text

Textegenskaper på hög nivå

Ordfrekvenser

Räkna ord (I)

Räkna ord (II)

Begränsa antalet särdrag

Text till DataFrame

Termfrekvens-invers dokumentfrekvens

Tf-idf

Granska Tf-idf-värden

Transformera osedd data

N-gram

Använda längre n-gram

Hitta de vanligaste orden

Avslutning

Hantera textdata

Stack Overflow Survey Responses (Modified)

US Presidential Inauguration Addresses

Det talas ständigt om genombrott inom maskininlärning och hur de senaste tillämpningarna förändrar världen. Vad som sällan nämns är att en stor mängd databearbetning och särdragshantering krävs innan dessa modeller ens kan användas. I den här kursen lär du dig precis det. Du arbetar med Stack Overflow Developers-enkäten och historiska amerikanska presidentinstallationstal för att förstå hur du på bästa sätt förbehandlar och skapar särdrag från kategoriska, kontinuerliga och ostrukturerade data. Kursen ger dig praktisk erfarenhet av att förbereda data för dina egna maskininlärningsmodeller.

Supervised Learning with scikit-learn

Lär dig förbereda data för maskininlärning genom att bearbeta och skapa funktioner från olika datatyper.

Särdragshantering för maskininlärning i Python

Skapa nya funktioner för att förbättra prestandan hos dina Machine Learning-modeller. 

Maskininlärningsforskare i Python

När kan du använda normalisering?

Särdragshantering för maskininlärning i Python

Interaktiv övning med praktiskt arbete