資料準備與特徵工程的程序
透過集合功能整理內容
你可以依據偏好儲存及分類內容。
這項程序如何?
如先前所述,本課程旨在說明如何建構資料集及轉換資料。
注意事項:
- 此圖顯示了「一般」程序,可能不適合部分專案。本課程主要適用於線性迴歸和類神經網路。
- 請注意,顯示的程序不一定每次都會依序。例如,您可能在轉換「之後」分割資料。您可能需要收集更多資料。即使在訓練開始後,你可能需要修改特徵集,因為過程中會學習哪些方法有效與哪些方法無效。
需要多久時間?
針對以下問題,按一下想要的箭頭即可查看答案:
猜猜看:在你的機器學習專案中,您通常會花多少時間來準備資料及進行轉換?
超過一半的專案時間
沒錯:您會將大部分的時間用於機器學習專案,用於建構資料集及轉換資料。
不到專案時間的一半
規劃更多內容!一般而言,機器學習專案有 80% 的時間是用來建構資料集及轉換資料。
除非另有註明,否則本頁面中的內容是採用創用 CC 姓名標示 4.0 授權,程式碼範例則為阿帕契 2.0 授權。詳情請參閱《Google Developers 網站政策》。Java 是 Oracle 和/或其關聯企業的註冊商標。
上次更新時間:2022-09-27 (世界標準時間)。
[{
"type": "thumb-down",
"id": "missingTheInformationINeed",
"label":"缺少我需要的資訊"
},{
"type": "thumb-down",
"id": "tooComplicatedTooManySteps",
"label":"過於複雜/步驟過多"
},{
"type": "thumb-down",
"id": "outOfDate",
"label":"過時"
},{
"type": "thumb-down",
"id": "translationIssue",
"label":"翻譯問題"
},{
"type": "thumb-down",
"id": "samplesCodeIssue",
"label":"示例/程式碼問題"
},{
"type": "thumb-down",
"id": "otherDown",
"label":"其他"
}]
[{
"type": "thumb-up",
"id": "easyToUnderstand",
"label":"容易理解"
},{
"type": "thumb-up",
"id": "solvedMyProblem",
"label":"確實解決了我的問題"
},{
"type": "thumb-up",
"id": "otherUp",
"label":"其他"
}]