آموزش ویژگی های ساختمان از داده های اسمی

بررسی اجمالی دوره Course Overview

• بررسی اجمالی دوره Course Overview

پیاده سازی رویکردهای کار با داده های دسته ای Implementing Approaches to Working with Categorical Data

• بررسی اجمالی ماژول Module Overview

• پیش نیازها و طرح کلی دوره Prerequisites and Course Outline

• داده های مداوم و دسته ای Continuous and Categorical Data

• داده های عددی Numeric Data

• داده های دسته بندی شده Categorical Data

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

• انتخاب بین رمزگذاری برچسب و رمزگذاری یک گرم Choosing between Label Encoding and One-hot Encoding

• انواع وظایف طبقه بندی Types of Classification Tasks

• کدگذاری داغ با دسته های شناخته شده و ناشناخته One-hot Encoding with Known and Unknown Categories

• رمزگذاری داغ روی ستون قاب داده Pandas One-hot Encoding on a Pandas Data Frame Column

• کدگذاری داغ با استفاده از pd.get_dummies () One-hot Encoding Using pd.get_dummies()

• رمزگذاری برچسب برای تبدیل داده های دسته بندی به حالت عادی Label Encoding to Convert Categorical Data to Ordinal

• Binarizer را برای اجرای رمزگذاری در مقابل بقیه اهداف انتخاب کنید Label Binarizer to Perform One vs. Rest Encoding of Targets

• Binarizer چند برچسب برای رمزگذاری اهداف چند برچسب Multilabel Binarizer for Encoding Multilabel Targets

• خلاصه ماژول Module Summary

درک و اجرای برنامه نویسی ساختگی Understanding and Implementing Dummy Coding

• بررسی اجمالی ماژول Module Overview

• دام ساختگی The Dummy Trap

• اجتناب از دام ساختگی Avoiding the Dummy Trap

• رمزگذاری ساختگی برای غلبه بر محدودیت های رمزگذاری یک بار داغ Dummy Coding to Overcome Limitations of One-hot Encoding

• تحلیل رگرسیون با کدگذاری ساختگی یا درمان Regression Analysis with Dummy or Treatment Coding

• رمزگذاری ساختگی با استفاده از Patsy Dummy Coding Using Patsy

• تجزیه و تحلیل رگرسیون را با استفاده از یادگیری ماشین در دسته بندی های ساختگی ساختگی انجام دهید Perform Regression Analysis Using Machine Learning on Dummy Coded Categories

• انجام رگرسیون خطی با استفاده از یادگیری ماشینی با دسته های رمزگذاری شده داغ Performing Linear Regression Using Machine Learning with One-hot Encoded Categories

• خلاصه ماژول Module Summary

درک و اجرای کدگذاری کنتراست Understanding and Implementing Contrast Coding

• بررسی اجمالی ماژول Module Overview

• کدگذاری ساختگی در مقابل کدگذاری کنتراست Dummy Coding vs. Contrast Coding

• کاوش تکنیک های کدگذاری کنتراست Exploring Contrast Coding Techniques

• تحلیل رگرسیون با استفاده از کدگذاری اثر ساده Regression Analysis Using Simple Effect Coding

• انجام رگرسیون خطی با استفاده از یادگیری ماشینی با کدگذاری اثر ساده Performing Linear Regression Using Machine Learning with Simple Effect Coding

• رگرسیون با استفاده از رمزگذاری تفاوت عقب مانده Regression Using Backward Difference Encoding

• رگرسیون با استفاده از رمزگذاری هلمرت Regression Using Helmert Encoding

• ایجاد دسته های مساوی با فاصله برای انجام رمزگذاری چند جمله ای متعامد Generating Equally Spaced Categories to Perform Orthogonal Polynomial Encoding

• انجام تحلیل رگرسیون با استفاده از رمزگذاری چند جمله ای متعامد Performing Regression Analysis Using Orthogonal Polynomial Encoding

• خلاصه ماژول Module Summary

اجرای شمارش سطل و ویژگی های هش Implementing Bin Counting and Feature Hashing

• بررسی اجمالی ماژول Module Overview

• سطل زنی داده های مداوم Bucketing Continuous Data

• سطل زنی داده های مداوم با استفاده از Pandas Bucketing Continuous Data Using Pandas

• طبقه بندی داده های مداوم با استفاده از KBinsDiscretizer Categorizing Continuous Data Using the KBinsDiscretizer

• هش کردن Hashing

• هش کردن ویژگی ها با واژه نامه ها ، Tuples و داده های متنی Feature Hashing with Dictionaries, Tuples, and Text Data

• ساخت یک مدل رگرسیون ساده با استفاده از مقادیر طبقه بندی شده هاشده Building a Simple Regression Model Using Hashed Categorical Values

• خلاصه و مطالعه بیشتر Summary and Further Study