Введение в данные для машинного обучения
Возможности моделей машинного обучения содержатся в данных, которые используются для обучения моделей. С помощью содержимого и упражнений мы рассмотрим, как понять, как закодировать данные, чтобы компьютер интерпретировать его правильно, как очистить все ошибки и советы, которые помогут вам создать высокопроизводительные модели.
Цели обучения
В этом модуле рассматриваются следующие темы:
- Визуализировать большие наборы данных с помощью анализа данных Exploratory (EDA).
- Очистка ошибок в наборе данных.
- Прогнозирование неизвестных значений с помощью числовых и категориальных данных.
Предварительные требования
Некоторые знания о концепциях машинного обучения — например, модели и затраты — полезны, но не являются важными.