Feature Engineering für maschinelles Lernen

Rohe Datums-/Uhrzeitwerte sind in ihren nativen Formaten oft für Machine-Learning-Algorithmen unbrauchbar. Um die Vorhersagekraft von Zeitstempeln zu nutzen, müssen Sie lernen, zeitliche Muster effektiv zu extrahieren und zu codieren. Dieser textbasierte Kurs führt Sie durch die grundlegenden Konzepte des Umgangs mit zeitbasierten Daten. Sie werden Zeitstempel nicht mehr als einfache Zeichenfolgen behandeln, sondern anspruchsvolle zyklische und kategoriale Merkmale entwickeln, die moderne Machine-Learning-Modelle problemlos interpretieren können. Was Sie lernen werden: - Verstehen Sie grundlegende Datums- und Zeitkonzepte, Zeitzonen und Lokalisierung in Python. - Extrahieren Sie Komponentenmerkmale wie Wochentag, Monat, Stunde und Urlaubsindikatoren. - Kodieren Sie zyklische Zeitmuster mit sinus- und cosinus-trigonometrischen Transformationen. - Handhaben Sie fehlende oder unregelmäßige zeitliche Daten mit modernen Dataframe-Techniken. - Verhindern Sie Datenlecks beim Aufteilen von Zeitreihendaten für Training und Validierung. Sie beginnen mit grundlegenden Datums- und Zeitdarstellungen, bevor Sie anhand klarer, schriftlicher Erklärungen und Codebeispiele zu praktischen Extraktionstechniken und fortgeschrittenen zyklischen Kodierungsmethoden übergehen. Dieser Kurs richtet sich an Anfänger, die das Temporal Feature Engineering meistern möchten. Es sind keine fortgeschrittenen Machine-Learning-Kenntnisse erforderlich. Transformieren Sie Ihre zeitlichen Datensätze noch heute in prädiktive Signale.