Menangani data numerik

Perkiraan panjang modul: 85 menit

Tujuan pembelajaran

• Memahami vektor fitur.
• Jelajahi potensi fitur set data Anda secara visual dan matematika.
• Identifikasi pencilan.
• Memahami empat teknik yang berbeda untuk menormalisasi data numerik.
• Memahami {i>binning<i} dan mengembangkan strategi untuk {i>binning<i} numerik layanan otomatis dan data skalabel.
• Pahami karakteristik fitur numerik berkelanjutan yang baik.

Prasyarat:

Modul ini mengasumsikan Anda telah memahami konsep-konsep yang dibahas dalam modul berikut:

• Pengantar Machine Learning

Praktisi ML menghabiskan lebih banyak waktu untuk mengevaluasi, membersihkan, dan mengubah data daripada membuat model. Data sangat penting sehingga kursus ini menyediakan tiga unit lengkap untuk topik ini:

• Bekerja dengan data numerik (satuan ini)
• Bekerja dengan data kategorik
• Set data, generalisasi, dan overfitting

Unit ini berfokus pada data numerik, yang berarti bilangan bulat atau nilai floating point yang berperilaku seperti angka. Artinya, data tersebut bersifat aditive, dapat dihitung, teratur, dan sebagainya. Unit berikutnya berfokus pada data kategoris, yang dapat menyertakan angka yang berperilaku seperti kategori. Unit ketiga berfokus pada cara mempersiapkan data Anda untuk memastikan hasil yang berkualitas tinggi saat melatih dan mengevaluasi model Anda.

Contoh data numerik meliputi:

• Suhu
• Berat
• Jumlah rusa yang musim dingin di cagar alam

Sebaliknya, kode pos AS, meskipun angka yang terdiri dari lima digit atau sembilan digit, tidak berperilaku seperti angka atau mewakili hubungan matematis. Kode pos 40004 (di Nelson County, Kentucky) adalah tidak dua kali lipat jumlah kode pos 20002 (di Washington, D.C.). Angka ini merepresentasikan kategori, khususnya area geografis, dan dianggap data kategorik.

Istilah utama:

• Data kategoris
• Data numerik

Pusat Bantuan