การเตรียมข้อมูลสำหรับโมเดล

Machine Learning สำหรับการตลาดด้วย Python

Karolis Urbonas

Head of Analytics & Science, Amazon

ตัวอย่างข้อมูล

telco_raw.head()

ส่วนหัวของข้อมูลโทรคมนาคม

ชนิดข้อมูล

telco_raw.dtypes

customerID           object
gender               object
SeniorCitizen        object
Partner              object
Dependents           object
tenure                int64
PhoneService         object
MultipleLines        object
InternetService      object

OnlineSecurity       object
OnlineBackup         object
DeviceProtection     object
TechSupport          object
StreamingTV          object
StreamingMovies      object
Contract             object
PaperlessBilling     object
PaymentMethod        object
MonthlyCharges      float64
TotalCharges        float64
Churn                object

แยกคอลัมน์ categorical และ numerical

แยกชื่อตัวระบุและตัวแปรเป้าหมายเป็นลิสต์

custid = ['customerID']
target = ['Churn']

แยกชื่อคอลัมน์ categorical และ numeric เป็นลิสต์

categorical = telco_raw.nunique()[telcom.nunique()<10].keys().tolist()

categorical.remove(target[0])

numerical = [col for col in telco_raw.columns 
                     if col not in custid+target+categorical]

One-hot encoding

นี่คือตัวอย่างคอลัมน์ข้อมูลประเภท categorical ทั่วไป

Color
Red
White
Blue
Red

ผลลัพธ์ของ one-hot encoding

และนี่คือผลลัพธ์หลังแปลงด้วย one-hot encoding

Color		Red	White	Blue
Red	---------->	1	0	0
White	---------->	0	1	0
Blue	---------->	0	0	1
Red	---------->	1	0	0

ทำ one-hot encoding กับตัวแปร categorical

telco_raw = pd.get_dummies(data=telco_raw, columns=categorical, drop_first=True)

การปรับสเกลฟีเจอร์ตัวเลข

# Import StandardScaler library
from sklearn.preprocessing import StandardScaler

# Initialize StandardScaler instance
scaler = StandardScaler()

# Fit the scaler to numerical columns
scaled_numerical = scaler.fit_transform(telco_raw[numerical])

# Build a DataFrame
scaled_numerical = pd.DataFrame(scaled_numerical, columns=numerical)

รวมข้อมูลทั้งหมดเข้าด้วยกัน

# Drop non-scaled numerical columns 
telco_raw = telco_raw.drop(columns=numerical, axis=1)

# Merge the non-numerical with the scaled numerical data
telco = telco_raw.merge(right=scaled_numerical,
                        how='left',
                        left_index=True, 
                        right_index=True
                        )

มาฝึกการเตรียมข้อมูลกันเถอะ!

Machine Learning สำหรับการตลาดด้วย Python