Инженерная обработка признаков с помощью MATLAB для предсказательного моделирования

Исходные данные редко готовы к машинному обучению, часто требуя значительной очистки, реструктуризации и преобразования, прежде чем их можно будет использовать. Изучение того, как эффективно подготовить эти данные, является абсолютным ключом к созданию точных и надежных моделей предсказания. Этот курс поможет вам освоить основные принципы обработки данных и инженерии свойств с помощью MATLAB. Вы перейдете от работы с беспорядочными данными из нескольких источников к структурированию чистых, оптимизированных наборов данных, готовых к анализу. Благодаря четким письменным объяснениям вы узнаете, как заставить ваши данные работать на вас, обеспечивая, чтобы ваши будущие модели были построены на прочной основе. Что вы узнаете: - Понимание основных концепций и терминологии инженерии функций перед написанием кода. - Очистить беспорядочные наборы данных путем систематической обработки отсутствующих значений, отклонений и непоследовательных типов данных. - Преобразование переменных с использованием масштабирования, нормализации и современных методов категориального кодирования. - Объединять и выравнивать данные из нескольких источников, временных шагов и форматов с использованием таблиц MATLAB. - Извлечение значимых особенностей из необработанного текста, даты и времени и числовых переменных для повышения производительности модели. - Применять современные рабочие процессы для выбора наиболее подходящих особенностей для прогнозного моделирования. Курс начинается с основных определений и концепций структурных данных, затем проходит через поэтапные письменные объяснения и практические упражнения по кодированию. Вы будете читать через реалистичные сценарии данных и анализировать фрагменты кода, а также практиковать формирование данных для моделирования. Этот курс предназначен для начинающих, которые хотят развить практические навыки подготовки данных. Для начала не требуется продвинутого программирования или предыдущего опыта машинного обучения. Начните читать сегодня, чтобы раскрыть весь потенциал ваших данных.