Veri Hazırlama ve Özellik Mühendisliği Süreci

Süreç Nasıl?

Daha önce de belirtildiği gibi bu kurs, veri kümenizin oluşturulmasına ve verilerinizin dönüştürülmesine odaklanmaktadır.

Veri kümenizi oluşturmak aşağıdaki görevlerden oluşur: 1. Ham verileri toplayın.  2. Özellik ve etiket kaynaklarını tanımlayın. 3. Bir örnekleme stratejisi seçin.
4. Verileri bölme. Verilerin dönüştürülmesi aşağıdaki görevlerden oluşur:
1. Verilerinizi keşfedin ve temizleyin. 2. Özellik mühendisliği yapın.

Unutmayın:

  • Şekilde, her proje için ideal olmayabilecek tipik bir işlem gösterilmektedir. Bu kurs esas olarak doğrusal regresyon ve sinir ağları için geçerlidir.
  • Gösterilen işlem her zaman sıralı değildir. Örneğin, verilerinizi dönüştürdükten sonra bölebilirsiniz. Daha fazla veri toplamanız gerekebilir. Hangi özelliklerin işe yarayıp nelerin yaramadığını öğrenmek için eğitim başladıktan sonra bile özellik grubunu değiştirmeniz gerekebilir.

Ne kadar Sürer?

Aşağıdaki soru için yanıtınızı kontrol etmek üzere istediğiniz oku tıklayın:

Tahmin edin: Makine öğrenimi projenizde veri hazırlama ve dönüştürme için genellikle ne kadar zaman ayıracaksınız?
Proje süresinin yarısından fazlası
Doğru: Çoğu zaman, veri kümeleri oluşturmaya ve verileri dönüştürmeye yönelik bir makine öğrenimi projesine zaman ayıracaksınız.
Proje süresinin yarısından az
Daha fazlası için plan yapın. Genellikle bir makine öğrenimi projesinde geçirilen zamanın% 80'i veri kümeleri oluşturmak ve verileri dönüştürmek için harcanır.