Vì sao tạo đặc trưng?

Feature Engineering cho Machine Learning bằng Python

Robert O'Callaghan

Director of Data Science, Ordergroove

Kỹ thuật đặc trưng

Các kiểu dữ liệu

Liên tục: số nguyên hoặc số thực (thập phân)
Phân loại: chọn từ tập giá trị hữu hạn, ví dụ: giới tính, quốc gia sinh
Thứ bậc: giá trị có thứ hạng, thường không biết khoảng cách giữa hạng
Boolean: giá trị True/False
Datetime: ngày và giờ

Cấu trúc khóa học

Chương 1: Tạo và trích xuất đặc trưng
Chương 2: Xử lý dữ liệu lộn xộn
Chương 3: Chuẩn hóa đặc trưng
Chương 4: Làm việc với đặc trưng văn bản

Pandas

import pandas as pd  
df = pd.read_csv(path_to_csv_file)
print(df.head())

Bộ dữ liệu

              SurveyDate  \
0    2018-02-28 20:20:00     
1    2018-06-28 13:26:00     
2    2018-06-06 03:37:00     
3    2018-05-09 01:06:00     
4    2018-04-12 22:41:00    

                              FormalEducation
0    Bachelor's degree (BA. BS. B.Eng.. etc.)
1    Bachelor's degree (BA. BS. B.Eng.. etc.)
2    Bachelor's degree (BA. BS. B.Eng.. etc.)
3    Some college/university study  ...
4    Bachelor's degree (BA. BS. B.Eng.. etc.)

Tên cột

print(df.columns)

Index(['SurveyDate', 'FormalEducation',
       'ConvertedSalary', 'Hobby', 'Country',
       'StackOverflowJobsRecommend', 'VersionControl', 
       'Age', 'Years Experience', 'Gender', 
       'RawSalary'], dtype='object')

Kiểu dữ liệu cột

print(df.dtypes)

SurveyDate                            object
FormalEducation                       object
ConvertedSalary                      float64
...
Years Experience                       int64
Gender                                object
RawSalary                             object
dtype: object

Chọn theo kiểu dữ liệu cụ thể

only_ints = df.select_dtypes(include=['int'])
print(only_ints.columns)

Index(['Age', 'Years Experience'], dtype='object')

Bắt đầu thôi!

Feature Engineering cho Machine Learning bằng Python