Contenido del Curso

Procesamiento Previo de Datos

1. Introducción Breve

Tipos de Datos Métodos de Procesamiento de Datos Conjunto de datos: Prueba y Entrenamiento Eliminando un Dato "Extra"Cambio del Tipo de Datos

2. Procesamiento de Datos Cuantitativos

Escalado de Datos Escalado de Datos vs Normalización de Datos Eliminación de Valores Atípicos Eliminando Valores Faltantes Aumento de Datos: Datos Sintéticos

3. Procesamiento de Datos Categóricos

Métodos para Codificar los Datos Categóricos Codificación One-Hot Codificación Ordinal Codificación de Etiquetas de la Variable Objetivo Reto

4. Procesamiento de Datos de Series Temporales

Conversión de Tipos de Datos Limpieza de Datos Estacionariedad Reducción de Ruido División de Entrenamiento/Prueba y Validación Cruzada Reto

5. Ingeniería de Características

Idea de Técnica Realización Extracción de Características de Texto Extracción de Características de Imágenes Extracción de Características de Series Temporales Desafío

6. Avanzando a Tareas

Desafío 1 Desafío 2 Desafío 3

Codificación de Etiquetas de la Variable Objetivo

Vayamos directamente a lo principal: la codificación de etiquetas implementa todo igual que la codificación ordinal, pero:

Los métodos trabajan con diferentes dimensiones de datos;
El orden de las categorías no es importante para la codificación de etiquetas.

Cómo utilizar este método en Python:


              1234567891011121314
            
from sklearn.preprocessing import LabelEncoder
import pandas as pd

# Simple categorical variable
fruits = pd.Series(['apple', 'orange', 'banana', 'banana', 'apple', 'orange', 'banana'])

# Create label encoder object
le = LabelEncoder()

# Fit and transform the categorical variable using label encoding
fruits_encoded = le.fit_transform(fruits)

# Print the encoded values
print(fruits_encoded)

Tarea

Leer el conjunto de datos 'salario_y_género.csv' y codificar la columna de salida 'Género' con codificación de etiquetas.

Tarea

Leer el conjunto de datos 'salario_y_género.csv' y codificar la columna de salida 'Género' con codificación de etiquetas.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Sección 3. Capítulo 4

Codificación de Etiquetas de la Variable Objetivo

Vayamos directamente a lo principal: la codificación de etiquetas implementa todo igual que la codificación ordinal, pero:

Los métodos trabajan con diferentes dimensiones de datos;
El orden de las categorías no es importante para la codificación de etiquetas.

Cómo utilizar este método en Python:


              1234567891011121314
            
from sklearn.preprocessing import LabelEncoder
import pandas as pd

# Simple categorical variable
fruits = pd.Series(['apple', 'orange', 'banana', 'banana', 'apple', 'orange', 'banana'])

# Create label encoder object
le = LabelEncoder()

# Fit and transform the categorical variable using label encoding
fruits_encoded = le.fit_transform(fruits)

# Print the encoded values
print(fruits_encoded)

Tarea

Leer el conjunto de datos 'salario_y_género.csv' y codificar la columna de salida 'Género' con codificación de etiquetas.

Tarea

Leer el conjunto de datos 'salario_y_género.csv' y codificar la columna de salida 'Género' con codificación de etiquetas.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Sección 3. Capítulo 4

Codificación de Etiquetas de la Variable Objetivo

Vayamos directamente a lo principal: la codificación de etiquetas implementa todo igual que la codificación ordinal, pero:

Los métodos trabajan con diferentes dimensiones de datos;
El orden de las categorías no es importante para la codificación de etiquetas.

Cómo utilizar este método en Python:


              1234567891011121314
            
from sklearn.preprocessing import LabelEncoder
import pandas as pd

# Simple categorical variable
fruits = pd.Series(['apple', 'orange', 'banana', 'banana', 'apple', 'orange', 'banana'])

# Create label encoder object
le = LabelEncoder()

# Fit and transform the categorical variable using label encoding
fruits_encoded = le.fit_transform(fruits)

# Print the encoded values
print(fruits_encoded)

Tarea

Leer el conjunto de datos 'salario_y_género.csv' y codificar la columna de salida 'Género' con codificación de etiquetas.

Tarea

Leer el conjunto de datos 'salario_y_género.csv' y codificar la columna de salida 'Género' con codificación de etiquetas.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

¿Todo estuvo claro?

Vayamos directamente a lo principal: la codificación de etiquetas implementa todo igual que la codificación ordinal, pero:

Los métodos trabajan con diferentes dimensiones de datos;
El orden de las categorías no es importante para la codificación de etiquetas.

Cómo utilizar este método en Python:


              1234567891011121314
            
from sklearn.preprocessing import LabelEncoder
import pandas as pd

# Simple categorical variable
fruits = pd.Series(['apple', 'orange', 'banana', 'banana', 'apple', 'orange', 'banana'])

# Create label encoder object
le = LabelEncoder()

# Fit and transform the categorical variable using label encoding
fruits_encoded = le.fit_transform(fruits)

# Print the encoded values
print(fruits_encoded)

Tarea

Leer el conjunto de datos 'salario_y_género.csv' y codificar la columna de salida 'Género' con codificación de etiquetas.

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones

Sección 3. Capítulo 4

Cambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones