Özet - Veri ön işleme
- Makine Öğrenmesi kursu
- Başlangıç
- Ders 24/112
- 6 dk
Bu grupta veri temizleme, eksik veri ve etiket kodlamayı öğrendin.
Özet: veri ön işleme
Modelden önce verinin geçtiği adımlar:
- Temizlik: yinelenenler, yazım farkları, aykırı değerler.
- Eksik değerler:
dropnaya daSimpleImputer. - Türler:
to_numeric,astype. - Kodlama: etiket için
LabelEncoder, sırasız özellik için one-hot. - Bölme:
train_test_split, gerekirsestratifyve doğrulama kümesi.
Altın kural: doldurma ve kodlama gibi her öğrenilen adım yalnızca eğitim verisinde fit edilir.
Uygulama Sızıntısız doldurma
SimpleImputer(strategy="mean")'ı yalnızca X_train ile fit et, ardından X_test'i transform et ve sonucu yazdır.
Başlangıç kodu
import numpy as np
from sklearn.impute import SimpleImputer
X_train = np.array([[2.0], [4.0], [6.0]])
X_test = np.array([[np.nan], [10.0]])
# buraya yazÖrnek çözüm
import numpy as np
from sklearn.impute import SimpleImputer
X_train = np.array([[2.0], [4.0], [6.0]])
X_test = np.array([[np.nan], [10.0]])
imp = SimpleImputer(strategy="mean")
imp.fit(X_train)
print(imp.transform(X_test))Beklenen çıktı
[[ 4.] [10.]]
Soru ve cevaplar
Dersin sorularını cevaplarıyla birlikte inceleyebilirsin. Kendini denemek istersen dersi interaktif olarak çöz.
1 SimpleImputer test verisinde nasıl kullanılmalıdır?
- Test verisinde yeniden fit_transform
- Hiç kullanılmamalı
- Tüm veride fit edilmeli
- Eğitimde fit edilen nesneyle yalnızca transform Doğru cevap
Açıklama: Test verisinin ortalaması eğitime sızmamalıdır; aynı öğrenilmiş değer uygulanır.
2 Eğitimde öğrenilen doldurmayı test verisine uygula.
Soru
X_test = imp.____(X_test)
Cevap
X_test = imp.transform(X_test)Açıklama: transform, fit sırasında öğrenilen değerleri kullanır.
3 Adımları araçlarla eşleştir.
| Kavram | Anlamı |
|---|---|
Eksik doldurma |
SimpleImputer |
Metin etiket |
LabelEncoder |
Sırasız özellik |
OneHotEncoder |
Dengeli bölme |
stratify |