Data Preprocessing

Зміст курсу

Data Preprocessing

Data Preprocessing

1. Brief Introduction

Data Types Data Processing Methods Dataset: Test and Training Deleting an "Extra" Data Changing the Data Type

2. Processing Quantitative Data

Data Scaling Data Scaling vs Data Normalization Removing Outliers Removing Missing Values Data Augmentation: Synthetic Data

3. Processing Categorical Data

Methods for Encoding the Categorical Data One-Hot Encoding Ordinal Encoding Label Encoding of the Target Variable Challenge

4. Time Series Data Processing

Data Type Conversion Data Cleaning Stationarity Denoising Train/Test Split & Cross Validation Challenge

5. Feature Engineering

Technique Idea Realization Feature Extraction from Text Feature Extraction from Images Feature Extraction from Time Series Challenge

6. Moving on to Tasks

Challenge 1 Challenge 2 Challenge 3

Label Encoding of the Target Variable

Let's go straight to the main thing - label encoding implements everything the same as ordinal encoder, but:

Methods work with different data dimensions;
The order of the categories is not important for label encoding.

How to use this method in 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)

Завдання

Swipe to show code editor

Read the dataset 'salary_and_gender.csv' and encode the output column 'Gender' with label encoding.

Рішення

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 4

toggle bottom row

Label Encoding of the Target Variable

Let's go straight to the main thing - label encoding implements everything the same as ordinal encoder, but:

Methods work with different data dimensions;
The order of the categories is not important for label encoding.

How to use this method in 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)

Завдання

Swipe to show code editor

Read the dataset 'salary_and_gender.csv' and encode the output column 'Gender' with label encoding.

Рішення

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 3. Розділ 4

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

some-alt