数据准备是预测建模项目的重要组成部分。正确应用数据准备可以将原始数据转换为一种表示形式，使学习算法能够最大限度地利用数据并做出有技能的预测。问题在于选择一种转换或一系列转换，从而产生有用的表示……
归档 | 数据准备
关于数据清洗和特征工程的 8 本最佳书籍
数据准备是将原始数据转换为更适合建模的形式。这是一个难以讨论的主题，因为数据在形式、类型和结构上因项目而异。尽管如此，项目之间还是存在常见的数据准备任务。这是一个庞大的研究领域，涵盖……
机器学习的数据准备（7 天迷你课程）
机器学习数据准备速成班。在 7 天内掌握 Python 中的数据准备。数据准备涉及将原始数据转换为更适合建模的形式。准备数据可能是预测建模项目中最重要的部分，也是最耗时的部分，尽管它看起来……
特征工程与选择（书籍评论）
数据准备是将原始数据转换为学习算法的过程。在某些情况下，数据准备是必需的步骤，以便将数据以其必需的输入格式提供给算法。在其他情况下，输入数据的最合适表示形式是未知的，并且必须在……中进行探索。
机器学习中缺失值的 kNN 估算
数据集可能包含缺失值，这会给许多机器学习算法带来问题。因此，在对预测任务进行建模之前，识别并替换输入数据中每个列的缺失值是一种好习惯。这称为缺失数据插补，或简称插补。一种流行的缺失值处理方法……
在进行数据准备时如何避免数据泄露
数据准备是将原始数据转换为适合建模的形式的过程。一种朴素的数据准备方法是在评估模型性能之前将转换应用于整个数据集。这会导致一个称为数据泄露的问题，其中训练集中的信息泄露到测试集中……
机器学习数据准备技术巡览
分类和回归等预测建模机器学习项目总是涉及某种形式的数据准备。特定数据集所需的数据准备取决于数据的具体情况，例如变量类型，以及将用于建模的算法，这些算法可能会施加期望或要求……
机器学习项目中的数据准备是什么
数据准备可能是任何机器学习项目中 ZUI 困难的步骤之一。原因在于每个数据集都不同，并且高度特定于项目。尽管如此，在预测建模项目之间存在足够的共性，我们可以定义一个你可能会执行的松散的步骤和子任务序列。……
为什么数据准备在机器学习中如此重要
在预测建模项目中，机器学习算法学习从输入变量到目标变量的映射。ZUI 常见的预测建模项目涉及所谓的结构化数据或表格数据。这是数据在电子表格或矩阵中的外观，其中包含示例的行和每个特征的列……
分类数据的序数和独热编码
机器学习模型要求所有输入和输出变量都必须是数值型的。这意味着如果你的数据包含分类数据，你必须在拟合和评估模型之前将其编码为数字。ZUI 流行的两种技术是序数编码和独热编码。在本教程中，你将发现如何……