آموزش آماده سازی داده ها برای یادگیری ماشین

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

درک نیاز به آماده سازی داده ها Understanding the Need for Data Preparation

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• نیاز به تهیه اطلاعات The Need for Data Preparation

• اطلاعات کافی نیست Insufficient Data

• داده های بسیار زیاد Too Much Data

• داده های غیر نماینده ، مقادیر گمشده ، هزینه های دور ، کپی ها Non-representative Data, Missing Values, Outliers, Duplicates

• رسیدگی به اطلاعات از دست رفته Dealing with Missing Data

• معامله با Outlier ها Dealing with Outliers

• نمونه برداری بیش از حد و زیر نمونه برداری برای مجموعه داده های تعادل Oversampling and Undersampling to Balance Datasets

• بیش از حد و زیر سازی Overfitting and Underfitting

• خلاصه ماژول Module Summary

اجرای تمیز کردن و تبدیل داده ها Implementing Data Cleaning and Transformation

• بررسی اجمالی ماژول Module Overview

• مدیریت مقادیر از دست رفته Handling Missing Values

• پاک کردن داده ها Cleaning Data

• تجسم روابط Visualizing Relationships

• ساختن مدل رگرسیون Building a Regression Model

• استفاده از ویژگی تک متغیره با استفاده از جعل ساده Univariate Feature Imputation Using the Simple Imputer

• چند منظوره محاسبه ویژگی با استفاده از جعلی تکرار Multivariate Feature Imputation Using the Iterative Imputer

• شاخص ارزش گمشده Missing Value Indicator

• ویژگی ورودی به عنوان بخشی از خط لوله یادگیری ماشین Feature Imputation as a Part of an Machine Learning Pipeline

• خلاصه ماژول Module Summary

تبدیل داده های مداوم و دسته ای Transforming Continuous and Categorical Data

• بررسی اجمالی ماژول Module Overview

• داده های عددی Numeric Data

• ویژگی های مقیاس گذاری و استاندارد سازی Scaling and Standardizing Features

• ویژگی های عادی سازی و باینری کردن Normalizing and Binarizing Features

• داده های دسته بندی شده Categorical Data

• رمزگذاری عددی داده های دسته ای Numeric Encoding of Categorical Data

• رمزگذاری برچسب و رمزگذاری یک گرم Label Encoding and One-hot Encoding

• گسسته سازی ارزش های مداوم با استفاده از برش Pandas Discretization of Continuous Values Using Pandas Cut

• گسسته سازی مقادیر مداوم با استفاده از گرافیک کننده KBins Discretization of Continuous Values Using the KBins Discretizer

• ساخت یک مدل رگرسیون با داده های گسسته شده Building a Regression Model with Discretized Data

• خلاصه ماژول Module Summary

درک انتخاب ویژگی Understanding Feature Selection

• بررسی اجمالی ماژول Module Overview

• نفرین بعد The Curse of Dimensionality

• کاهش پیچیدگی در داده ها Reducing Complexity in Data

• انتخاب ویژگی برای کاهش ابعاد Feature Selection to Reduce Dimensions

• روشهای فیلتر Filter Methods

• روشهای جاسازی شده Embedded Methods

• خلاصه ماژول Module Summary

در حال اجرا انتخاب ویژگی Implementing Feature Selection

• بررسی اجمالی ماژول Module Overview

• همبستگی ویژگی ها Feature Correlations

• استفاده از ماتریس همبستگی برای تشخیص چند خطی بودن Using the Correlation Matrix to Detect Multi-collinearity

• استفاده از فاکتور تورم واریانس برای تشخیص چند خطی بودن Using Variance Inflation Factor to Detect Multi-collinearity

• انتخاب ویژگی ها با استفاده از آستانه مقادیر از دست رفته و آستانه واریانس Features Selection Using Missing Values Threshold and Variance Threshold

• انتخاب ویژگی یک متغیره با استفاده از Chi2 و ANOVA Univariate Feature Selection Using Chi2 and ANOVA

• انتخاب ویژگی با استفاده از روشهای بسته بندی Feature Selection Using Wrapper Methods

• انتخاب ویژگی با استفاده از روش های جاسازی شده Feature Selection Using Embedded Methods

• خلاصه ماژول Module Summary