or
Bu egzersiz, kursun bir parçasıdır
Büyük veri kümelerini basitleştirmeye hazırlan! Bilgi kavramını, özellik önemini nasıl değerlendireceğini öğrenecek ve düşük bilgi içeren özellikleri belirleme pratiği yapacaksın. Bölümün sonunda, boyutsal azaltmanın iki yaklaşımı olan özellik seçimi ve özellik çıkarımı arasındaki farkı anlayacaksın.
Eksik değer oranları, varyans ve korelasyona bakarak bilgi açısından zengin ve fakir özellikleri nasıl belirleyeceğini öğren. Ardından, bu bilgi göstergelerini kullanarak özellik seçmek için tidymodels tarifleri oluşturmayı keşfedeceksin.
Üçüncü bölüm, gözetimsiz ve gözetimli özellik seçimi yaklaşımları arasındaki farkı tanıtır. Modeller kurmak için tidymodels iş akışlarının nasıl kullanılacağını gözden geçireceksin. Sonrasında, lasso regresyon ve random forest modelleriyle gözetimli özellik seçimi yapacaksın.
Bu son bölümde, temel bileşenlerin farklı özelliklerden en önemli bilgileri nasıl çıkarıp birleştirdiğini anlayarak özellik çıkarımı konusunda güçlü bir sezgi kazanacaksın. Ardından üç tür özellik çıkarımı — Principal Component Analysis (PCA), t-SNE ve UMAP — hakkında bilgi edinip uygulayacaksın. Bu özellik çıkarım yöntemlerini, tidymodels model kurma sürecinde bir ön işleme adımı olarak nasıl kullanabileceğini keşfet.
Geçerli egzersiz