Zusammenfassung

Feature Engineering für Machine Learning in Python

Robert O'Callaghan

Director of Data Science, Ordergroove

Kapitel 1

• Datentypen verstehen
• Kategorische Merkmale effizient kodieren
• Verschiedene Methoden für kontinuierliche Variablen

Kapitel 2

• Lücken in deinen Daten finden
• Best Practices für unvollständige Zeilen
• Methoden, um unerwünschte Zeichen zu finden und zu bereinigen

Kapitel 3

• Verteilungen deiner Daten beobachten
• Warum und wie du diese Verteilung anpasst
• Best Practices zum Finden und Entfernen von Ausreißern

Kapitel 4

• Grundlagen von Word Embeddings
• Einsatz von Term Frequency–Inverse Document Frequency (TF-IDF)
• N-Gramme und ihre Vorteile gegenüber Bag-of-Words

Nächste Schritte

• Kaggle-Wettbewerbe
• Weitere DataCamp-Kurse
• Dein eigenes Projekt

Danke!

Feature Engineering für Machine Learning in Python