Özet - Özellik mühendisliği
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 86/112
- 6 dk
Bu grupta özellik seçimi, çıkarımı ve dönüştürmeyi öğrendin.
Özet: özellik mühendisliği
Bu grupta:
- Özellik modelin gördüğü tek bilgidir; iyi özellik hedefle ilişkili ve tahmin anında bilinendir.
- Varyans eşiği ve korelasyonla basit seçim yapılır.
- Tarih ve metinden çıkarım: ay, gün, kelime sayıları.
- Kategorik özellikler: one-hot (sırasız), ordinal (sıralı),
handle_unknown="ignore". - Sayısal dönüşümler:
log1p, gruplama, polinom.
Her dönüşüm eğitim verisinde öğrenilip test verisine aynen uygulanmalıdır; pipeline bunun en güvenli yoludur.
Uygulama Tarihten özellik
Her tarih için ay ve hafta sonu bilgisini (weekday() >= 5 ise 1, değilse 0) içeren bir liste oluştur ve np.array olarak yazdır.
Başlangıç kodu
import numpy as np
from datetime import date
tarihler = [date(2024, 1, 6), date(2024, 1, 8), date(2024, 7, 14)]
# buraya yazÖrnek çözüm
import numpy as np
from datetime import date
tarihler = [date(2024, 1, 6), date(2024, 1, 8), date(2024, 7, 14)]
ozet = [[t.month, int(t.weekday() >= 5)] for t in tarihler]
print(np.array(ozet))Beklenen çıktı
[[1 1] [1 0] [7 1]]
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 Bir kredi modeli için hangisi sızıntı riski taşır?
- Başvuru anındaki gelir
- Başvuranın yaşı
- Talep edilen tutar
- Kredi kapandıktan sonra hesaplanan gecikme sayısı Doğru cevap
Açıklama: Bu bilgi tahmin anında yoktur; hedefin kendisinden türetilmiştir.
2 Çarpık değeri logaritmayla sıkıştır.
Soru
x_log = np.____(gelir)
Cevap
x_log = np.log1p(gelir)Açıklama: log1p 0 değerinde de tanımlıdır.
3 Araçları eşleştir.
| Kavram | Anlamı |
|---|---|
VarianceThreshold |
Sabit sütunları atar |
CountVectorizer |
Kelime sayar |
OneHotEncoder |
Kategori sütunları |
PolynomialFeatures |
Kare ve çarpımlar |