Sammanfattning

Särdragshantering för maskininlärning i Python

Robert O'Callaghan

Director of Data Science, Ordergroove

Kapitel 1

• Hur du förstår dina datatyper
• Effektiv kodning av kategoriska variabler
• Olika sätt att arbeta med kontinuerliga variabler

Kapitel 2

• Hur du hittar luckor i dina data
• Bästa praxis för att hantera ofullständiga rader
• Metoder för att hitta och åtgärda oönskade tecken

Kapitel 3

• Hur du undersöker din datas fördelning
• Varför och hur du justerar fördelningen
• Bästa praxis för att hitta och hantera extremvärden

Kapitel 4

• Grunderna i ordembäddningar
• Användning av Term Frequency Inverse Document Frequency (Tf-idf)
• N-gram och dess fördelar jämfört med bag of words

Nästa steg

• Kaggle-tävlingar
• Fler kurser på DataCamp
• Egna projekt

Tack!

Särdragshantering för maskininlärning i Python