機械学習のための実用的特徴工学

モデルの性能を改善するために苦労していますか？答えはしばしばアルゴリズムではなく、あなたが提供する特徴にあります。効果的な特徴工学は強力で正確な予測モデルを構築するための鍵です。 このコースでは、特徴工学の実践的な基礎を学びます。生データセットから、機械学習アルゴリズムが理解し、より良い予測に活用できる形式に変換するために、系統的にクリーンアップ、変換、新しい変数を作成する方法を学びます。最後に、あなたのMLプロジェクトのために、どのようなデータセットを準備する技術を身につけるでしょう。 学ぶことは また，データの欠落を効率的に処理するために，様々な代入手法を適用する。 分類変数を，１ホット，オーディナル，その他の符号化法を用いて数値フォーマットに変換する。 モデルの性能を歪めるような 異常値を特定し管理する 日付や時間などの複雑なデータタイプから強力な新機能を作成する。 連続変数を離散化とスケーリングにより離散ビンに変換する。 再利用可能な前処理パイプラインを構築し、特徴工学ワークフローを効率化します。 各種データ変換の基本的な用語と概念から始め、それぞれの方法を実際に使って学習する。明確な書面による説明と集中した演習を通じて、各方法を実践する。 機械学習の初心者向けに設計されたこのコースでは，Ｐｙｔｈｏｎと基本的なＭＬ概念に基礎的な知識があれば，特徴工学の経験は不要である。 今日から学び始め、データの真の可能性を解き放て。