Ознайомлення з Набором Даних
Почніть попередню обробку з ознайомлення з набором даних. Протягом цього курсу буде використовуватися набір даних про пінгвінів, із завданням передбачити вид пінгвіна.
Існує три можливі варіанти, які часто називають класами у машинному навчанні:
Ознаки: 'island', 'culmen_depth_mm', 'flipper_length_mm', 'body_mass_g' та 'sex'.
Набір даних зберігається у файлі penguins.csv. Його можна завантажити за посиланням за допомогою функції pd.read_csv(), щоб переглянути його вміст:
12345import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins.csv') print(df.head(10))
У цьому наборі даних присутні кілька проблем, які необхідно вирішити:
- Відсутні дані;
- Категоріальні змінні;
- Різні масштаби ознак.
Відсутні дані
Більшість алгоритмів машинного навчання не можуть працювати з відсутніми значеннями напряму, тому їх потрібно обробити перед навчанням. Відсутні значення можна або видалити, або імпутувати (замінити на інші значення).
У pandas порожні клітинки позначаються як NaN. Багато моделей машинного навчання видадуть помилку, якщо у наборі даних буде хоча б одне значення NaN.
Категоріальні дані
У наборі даних містяться категоріальні змінні, які моделі машинного навчання не можуть обробляти безпосередньо.
Категоріальні дані необхідно кодувати у числовий формат.
Різні масштаби
Значення 'culmen_depth_mm' знаходяться в діапазоні від 13.1 до 21.5, тоді як значення 'body_mass_g' — від 2700 до 6300. Через це деякі моделі машинного навчання можуть вважати ознаку 'body_mass_g' набагато важливішою, ніж 'culmen_depth_mm'.
Масштабування вирішує цю проблему. Це буде розглянуто в наступних розділах.
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Awesome!
Completion rate improved to 3.13Ознайомлення з Набором Даних
Свайпніть щоб показати меню
Почніть попередню обробку з ознайомлення з набором даних. Протягом цього курсу буде використовуватися набір даних про пінгвінів, із завданням передбачити вид пінгвіна.
Існує три можливі варіанти, які часто називають класами у машинному навчанні:
Ознаки: 'island', 'culmen_depth_mm', 'flipper_length_mm', 'body_mass_g' та 'sex'.
Набір даних зберігається у файлі penguins.csv. Його можна завантажити за посиланням за допомогою функції pd.read_csv(), щоб переглянути його вміст:
12345import pandas as pd df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a65bbc96-309e-4df9-a790-a1eb8c815a1c/penguins.csv') print(df.head(10))
У цьому наборі даних присутні кілька проблем, які необхідно вирішити:
- Відсутні дані;
- Категоріальні змінні;
- Різні масштаби ознак.
Відсутні дані
Більшість алгоритмів машинного навчання не можуть працювати з відсутніми значеннями напряму, тому їх потрібно обробити перед навчанням. Відсутні значення можна або видалити, або імпутувати (замінити на інші значення).
У pandas порожні клітинки позначаються як NaN. Багато моделей машинного навчання видадуть помилку, якщо у наборі даних буде хоча б одне значення NaN.
Категоріальні дані
У наборі даних містяться категоріальні змінні, які моделі машинного навчання не можуть обробляти безпосередньо.
Категоріальні дані необхідно кодувати у числовий формат.
Різні масштаби
Значення 'culmen_depth_mm' знаходяться в діапазоні від 13.1 до 21.5, тоді як значення 'body_mass_g' — від 2700 до 6300. Через це деякі моделі машинного навчання можуть вважати ознаку 'body_mass_g' набагато важливішою, ніж 'culmen_depth_mm'.
Масштабування вирішує цю проблему. Це буде розглянуто в наступних розділах.
Дякуємо за ваш відгук!
