फ़ीचर क्यों बनाएँ?

Python में मशीन लर्निंग के लिए फीचर इंजीनियरिंग

Robert O'Callaghan

Director of Data Science, Ordergroove

फ़ीचर इंजीनियरिंग

डेटा के अलग-अलग प्रकार

Continuous: या तो integers (पूर्णांक) या floats (दशमलव)
Categorical: सीमित मानों में से एक, जैसे gender, country of birth
Ordinal: क्रमबद्ध मान, अक्सर उनके बीच दूरी की जानकारी नहीं होती
Boolean: True/False मान
Datetime: तारीख और समय

कोर्स संरचना

अध्याय 1: फ़ीचर निर्माण और एक्सट्रैक्शन
अध्याय 2: मैसी डेटा की इंजीनियरिंग
अध्याय 3: फ़ीचर नॉर्मलाइज़ेशन
अध्याय 4: टेक्स्ट फ़ीचर्स के साथ काम

Pandas

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

डेटासेट

              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.)

कॉलम नाम

print(df.columns)

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

कॉलम टाइप

print(df.dtypes)

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

विशिष्ट डेटा टाइप चुनना

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

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

चलते हैं, शुरू करें!

Python में मशीन लर्निंग के लिए फीचर इंजीनियरिंग