or
Ця вправа є частиною курсу
Вас познайомлять із поняттям зменшення розмірності та пояснять, коли й чому це важливо. Ви дізнаєтеся різницю між відбором ознак і видобуванням ознак і застосуєте обидва підходи для дослідження даних. Наприкінці розділу буде урок про t-SNE — потужний метод видобування ознак, який дає змогу візуалізувати високовимірний набір даних.
У першому з двох розділів про відбір ознак ви дізнаєтеся про «прокляття розмірності» та про те, як зменшення розмірності допомагає з ним упоратися. Ви познайомитеся з кількома техніками для виявлення й вилучення ознак, що майже не додають цінності набору даних. Зокрема, коли вони мають низьку дисперсію, занадто багато пропусків або сильно корелюють з іншими ознаками.
У цьому другому розділі про відбір ознак ви навчитеся залучати моделі, щоб знаходити найважливіші ознаки для передбачення певної цільової ознаки. В останньому уроці розділу ви поєднаєте поради кількох різних моделей, щоб вирішити, які ознаки варто залишити.
Цей розділ — глибоке занурення в найчастіше використовуваний алгоритм зменшення розмірності — Principal Component Analysis (PCA). Ви сформуєте інтуїцію, як і чому цей алгоритм такий потужний, і застосуєте його як для дослідження даних, так і для попередньої обробки в конвеєрі моделювання. Завершите розділ цікавим кейсом зі стиснення зображень.
Поточна вправа