Зачем генерировать признаки?

Конструирование признаков для машинного обучения в Python

Robert O'Callaghan

Director of Data Science, Ordergroove

Конструирование признаков

Конструирование признаков для машинного обучения в Python

Типы данных

  • Непрерывные: целые числа или числа с плавающей точкой (десятичные)
  • Категориальные: одно из ограниченного набора значений, например пол, страна рождения
  • Порядковые: ранжированные значения, часто без указания расстояния между ними
  • Булевы: значения True/False
  • Дата и время: даты и временны́е метки
Конструирование признаков для машинного обучения в Python

Структура курса

  • Глава 1: создание и извлечение признаков

  • Глава 2: работа с «грязными» данными

  • Глава 3: нормализация признаков

  • Глава 4: работа с текстовыми признаками

Конструирование признаков для машинного обучения в Python

Pandas

import pandas as pd  
df = pd.read_csv(path_to_csv_file)
print(df.head())
Конструирование признаков для машинного обучения в Python

Набор данных

              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.)
Конструирование признаков для машинного обучения в Python

Названия столбцов

print(df.columns)

Index(['SurveyDate', 'FormalEducation',
       'ConvertedSalary', 'Hobby', 'Country',
       'StackOverflowJobsRecommend', 'VersionControl', 
       'Age', 'Years Experience', 'Gender', 
       'RawSalary'], dtype='object')
Конструирование признаков для машинного обучения в Python

Типы столбцов

print(df.dtypes)

SurveyDate                            object
FormalEducation                       object
ConvertedSalary                      float64
...
Years Experience                       int64
Gender                                object
RawSalary                             object
dtype: object
Конструирование признаков для машинного обучения в Python

Выбор определённых типов данных

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

Index(['Age', 'Years Experience'], dtype='object')
Конструирование признаков для машинного обучения в Python

Давайте начнём!

Конструирование признаков для машинного обучения в Python

Preparing Video For Download...