Clasificare: ingineria caracteristicilor

Exersează întrebări de interviu pentru Machine Learning în Python

Lisa Stuart

Data Scientist

Ingineria caracteristicilor... de ce?

  • Extrage informații suplimentare din date
  • Creează caracteristici noi relevante
  • Una dintre cele mai eficiente metode de îmbunătățire a modelelor predictive
Exersează întrebări de interviu pentru Machine Learning în Python

Beneficiile ingineriei caracteristicilor

  • Putere predictivă crescută a algoritmului de învățare
  • Îmbunătățește performanța modelelor de machine learning!
Exersează întrebări de interviu pentru Machine Learning în Python

Tipuri de inginerie a caracteristicilor

  • Variabile indicator
  • Caracteristici de interacțiune
  • Reprezentarea caracteristicilor
Exersează întrebări de interviu pentru Machine Learning în Python

Variabile indicator

  • Indicator de prag
    • vârstă: liceu vs. facultate
  • Caracteristici multiple
    • utilizate ca indicator
  • Evenimente speciale
    • Black Friday
    • Crăciun
  • Grupuri de clase
    • indicator trafic plătit pe site
      • Google Adwords{4}}
      • Facebook Ads
Exersează întrebări de interviu pentru Machine Learning în Python

Caracteristici de interacțiune

  • Sumă
  • Diferență
  • Produs
  • Câț
  • Alte combinații matematice
Exersează întrebări de interviu pentru Machine Learning în Python

Reprezentarea caracteristicilor

  • Marcaje temporale
    • Ziua săptămânii
    • Ora din zi
  • Gruparea nivelurilor categorice în „Altele"
  • Transformarea categorică în variabile dummy
    • (k - 1) coloane binare
Exersează întrebări de interviu pentru Machine Learning în Python

Niveluri categorice diferite

  • Date de antrenament:
    • model antrenat cu [red, blue, green]

  • Date de test:

    • model testat cu [red, green, yellow]
    • culoare suplimentară nevăzută la antrenament
    • o culoare lipsă

  • Codificare one-hot robustă

1 https://blog.cambridgespark.com/robust-one-hot-encoding-in-python-3e29bfcec77e
Exersează întrebări de interviu pentru Machine Learning în Python

Raportul datorie-venit

  • Monthly Debt
  • Annual Income/12
Exersează întrebări de interviu pentru Machine Learning în Python

Funcții pentru ingineria caracteristicilor

Funcție returnează
sklearn.linear_model.LogisticRegression regresie logistică
sklearn.model_selection.train_test_split funcție de împărțire antrenament/test
sns.countplot(x='Loan Status', data=data) grafic de bare
df.drop(['Feature 1', 'Feature 2'], axis=1) elimină lista de caracteristici
df["Loan Status"].replace({'Paid': 0, 'Not Paid': 1}) Loan Status ca numere întregi
pd.get_dummies() k - 1 caracteristici binare
sklearn.metrics.accuracy_score(y_test, predict(X_test)) acuratețea modelului
Exersează întrebări de interviu pentru Machine Learning în Python

Un tutorial excelent:

Articol Datacamp: date categorice

Articol Datacamp: date categorice

Exersează întrebări de interviu pentru Machine Learning în Python

Să exersăm!

Exersează întrebări de interviu pentru Machine Learning în Python

Preparing Video For Download...