Kurs Machine Learning w Pythonie – 6: Zmienne dummy i kodowanie One Hot

Modele uczenia maszynowego świetnie radzą sobie z zestawami danych zawierającymi tylko liczby. Ale jak poradzić sobie z informacjami tekstowymi? Prosty sposób to użycie kodowania liczbowego lub etykietowego, ale gdy zmienne kategoryczne są nominalne, proste kodowanie etykietowe może sprawiać problemy. Kodowanie One Hot to technika, która może pomóc w tej sytuacji. W tym tutorialu użyjemy metody get_dummies z biblioteki pandas, aby stworzyć zmienne dummy, co pozwoli nam wykonać kodowanie One Hot na danym zbiorze danych. Alternatywnie możemy użyć sklearn.preprocessing.OneHotEncoder, aby również stworzyć zmienne dummy.

Tematy poruszone w filmie:
0:00 Wstęp
0:47 Jak radzić sobie z danymi tekstowymi w modelu uczenia maszynowego?
1:38 Zmienne nominalne vs. porządkowe
2:44 Teoria (Wyjaśnienie kodowania One Hot na przykładzie cen nieruchomości w różnych dzielnicach)
3:39 Początek kodowania
3:51 Metoda get_dummies w pandas
7:48 Tworzenie modelu z użyciem kolumn dummy
12:45 Kodowanie etykiet (Label Encoder)
13:29 Metoda fit_transform
15:40 Użycie OneHotEncoder z sklearn
19:59 Ćwiczenie (Przewidywanie cen samochodu na podstawie modelu, wieku i przebiegu)

Następny film:

Popularne playlisty:

Narzędzia i biblioteki:
Tutorialy dotyczące Scikit-learn
Tutorialy dotyczące sklearn
Uczenie maszynowe z użyciem sklearn
Tutorialy z uczenia maszynowego przy użyciu sklearn