Làm việc với dữ liệu số

Thời lượng mô-đun ước tính: 85 phút

Mục tiêu học tập

• Hiểu vectơ đặc trưng.
• Khám phá các tính năng tiềm năng của tập dữ liệu một cách trực quan và về mặt toán học.
• Xác định các điểm ngoại lai.
• Hiểu bốn kỹ thuật khác nhau để chuẩn hoá dữ liệu số.
• Hiểu về cách gộp dữ liệu và phát triển các chiến lược để kết hợp số .
• Hiểu đặc điểm của phép số liên tục tốt các tính năng AI mới.

Điều kiện tiên quyết:

Mô-đun này giả định rằng bạn đã quen thuộc với các khái niệm được đề cập trong mô-đun sau:

• Giới thiệu về công nghệ học máy

Chuyên viên công nghệ học máy dành nhiều thời gian hơn để đánh giá, làm sạch và cải tiến hơn là mô hình xây dựng. Dữ liệu quan trọng đến mức khoá học này dành toàn bộ ba học phần cho chủ đề:

• Làm việc với dữ liệu số (bài này)
• Làm việc với dữ liệu phân loại
• Tập dữ liệu, tổng quát hoá và tích hợp quá mức

Bài này tập trung vào dữ liệu số, nghĩa là số nguyên hoặc giá trị dấu phẩy động hoạt động như những con số. Chúng có thể được thêm vào, có thể đếm được, được sắp xếp theo thứ tự và cứ tiếp tục như vậy. Bài tiếp theo sẽ tập trung vào dữ liệu phân loại, có thể bao gồm các số có hành vi giống như danh mục. Học phần thứ ba tập trung vào cách chuẩn bị dữ liệu nhằm đảm bảo kết quả chất lượng cao khi huấn luyện và đánh giá mô hình của bạn.

Ví dụ về dữ liệu dạng số:

• Nhiệt độ
• Trọng lượng
• Số lượng hươu mùa đông trong khu bảo tồn thiên nhiên

Ngược lại, mã bưu chính của Hoa Kỳ, mặc dù là số có năm chữ số hoặc chín chữ số, đừng hoạt động như số hoặc biểu thị mối quan hệ toán học. Mã bưu chính 40004 (tại Hạt Dublin, Kentucky) là không gấp đôi số lượng mã bưu chính 20002 (ở Washington, D.C.). Các số này đại diện cho các danh mục, cụ thể là khu vực địa lý và được xem xét dữ liệu phân loại.

Từ khoá quan trọng:

• Dữ liệu danh mục
• Dữ liệu số

Trung tâm trợ giúp