Makine Öğrenmesi İçin Kategorik Verileri Hazırlama

Gerçek dünyadan elde edilen ham veriler, çoğu model sayısal girdi gerektirdiğinden, makine öğrenmesi algoritmaları için nadiren hazırdır. Bu metin tabanlı kurs, kategorik ve boolean özellikleri makine öğrenmesi için optimize edilmiş formatlara nasıl tanımlayacağınızı, analiz edeceğinizi ve dönüştüreceğinizi öğretir. Ne öğreneceksiniz: - Nominal, ordinal ve ikili (binary) kategorik özellikler arasındaki temel farkları anlamak. - One-hot encoding, label encoding ve target encoding dahil olmak üzere temel kodlama tekniklerini uygulamak. - Yüksek kardinaliteli özellikleri analiz etmek ve boyutluluğu azaltmak için stratejiler uygulamak. - Modern atama (imputation) yöntemlerini kullanarak eksik kategorik değerleri ele almak. - Verileri model eğitimi için hazırlamak amacıyla pandas ve TensorFlow kullanarak ön işleme boru hatları (pipelines) yapılandırmak. - Net, adım adım yazılı eğitimler ve kod parçacıkları aracılığıyla özellik mühendisliği iş akışlarını pratik yapmak. Sağlam girdi boru hatları oluşturmaya ve uygulamalı kodlama tekniklerine geçmeden önce temel veri türü kavramlarıyla başlayacaksınız. Bu kurs, veri bilimi adayları ve makine öğrenmesine yeni başlayanlar için tasarlanmıştır; temel Python aşinalığı tavsiye edilir ancak daha önce ön işleme deneyimi gerekmez. Bugün özellik mühendisliği sanatında ustalaşmaya başlayın.