Klasyfikacja: inżynieria cech

Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie

Lisa Stuart

Data Scientist

Inżynieria cech... po co?

Wskaźnik progowy
- wiek: szkoła średnia vs. studia
Wiele cech
- użyte jako flaga
Zdarzenia specjalne
- Black Friday
- Boże Narodzenie
Grupy klas
- flaga płatnego ruchu na stronie
  - Google Adwords{4}}
  - Reklamy Facebook

Znaczniki czasu
- Dzień tygodnia
- Godzina dnia
Grupowanie poziomów kategorycznych jako 'Other'
Przekształcanie zmiennych kategorycznych na zmienne dummy
- (k - 1) kolumn binarnych

Dane treningowe:
- model wytrenowany na [red, blue, green]
Dane testowe:
- model testowany na [red, green, yellow]
- dodatkowy kolor nieobecny w treningu
- brakujący kolor
Odporne kodowanie one-hot

¹ https://blog.cambridgespark.com/robust-one-hot-encoding-in-python-3e29bfcec77e

Funkcja	zwraca
`sklearn.linear_model.LogisticRegression`	regresję logistyczną
`sklearn.model_selection.train_test_split`	funkcję podziału treningowo-testowego
`sns.countplot(x='Loan Status', data=data)`	wykres słupkowy
`df.drop(['Feature 1', 'Feature 2'], axis=1)`	usuwa listę cech
`df["Loan Status"].replace({'Paid': 0, 'Not Paid': 1})`	`Loan Status` jako liczby całkowite
`pd.get_dummies()`	k - 1 cech binarnych
`sklearn.metrics.accuracy_score(y_test, predict(X_test))`	dokładność modelu

Artykuł Datacamp: dane kategoryczne

Ćwiczenie pytań rekrutacyjnych z uczenia maszynowego w Pythonie