убираем нерепрезентативные или имеющие систематическую ошибку обучающие данные.
• Этапы предварительной обработки обучающей выборки:
• перекодируем категориальные признаки;
• разбираемся с отсутствующими данными;
• выполняем нормализацию признаков (для некоторых ML-алгоритмов);
• выполняем проектирование признаков.
• Четыре полезные техники визуализации данных — мозаичные диаграммы, графики плотности, диаграммы размаха и диаграммы рассеяния:
В Интернете можно найти наборы данных для машинного обучения, которые без проблем «скармливаются» многим ML-алгоритмам. Реальные же данные в большинстве случаев находятся далеко не в таком чистом виде и подлежат очистке и обработке. Этот процесс называют выпасом данных (data munging или data wrangling).
Эти стратегии нашли свое воплощение в наборе алгоритмов, разработанных в течение последних десятилетий как учеными, так и практиками в самых разных дисциплинах — от статистики, компьютерной
убираем нерепрезентативные или имеющие систематическую ошибку обучающие данные.
• Этапы предварительной обработки обучающей выборки:
• перекодируем категориальные признаки;
• разбираемся с отсутствующими данными;
• выполняем нормализацию признаков (для некоторых ML-алгоритмов);
• выполняем проектирование признаков.
• Четыре полезные техники визуализации данных — мозаичные диаграммы, графики плотности, диаграммы размаха и диаграммы рассеяния:
