Tutorial de Machine Learning em Python - 6: Variáveis Dummy e Codificação One-Hot

Os modelos de *machine learning* funcionam muito bem com conjuntos de dados que contêm apenas números. Mas como lidamos com informações textuais num *dataset*? Uma abordagem simples é usar a codificação inteira ou por rótulos, mas quando as variáveis categóricas são nominais, esse método pode ser problemático. A codificação *one-hot* é a técnica que nos ajuda nesta situação. Neste tutorial, vamos usar o método get_dummies do *pandas* para criar variáveis fictícias (*dummy*) que nos permitem fazer a codificação one-hot num *dataset* dado. Alternativamente, também podemos usar o sklearn.preprocessing.OneHotEncoder para criar essas variáveis.

Tópicos abordados neste vídeo:
0:00 Introdução
0:47 Como lidar com dados textuais num modelo de *machine learning*?
1:38 Variáveis nominais vs ordinais
2:44 Teoria (Explicação da codificação one-hot usando preços de casas em diferentes bairros)
3:39 Início da programação
3:51 Método get_dummies do *pandas*
7:48 Criar um modelo que utilize colunas fictícias
12:45 Codificador de rótulos (*Label Encoder*)
13:29 Método fit_transform()
15:40 sklearn.OneHotEncoder
19:59 Exercício (Prever preços de carro com base no modelo, idade e quilometragem)

Próximo vídeo:

Playlist popular:

Ferramentas e bibliotecas:
Tutoriais do *Scikit-learn*
Tutoriais do *Sklearn*
Tutoriais de *Machine Learning* com *Scikit-learn*
Tutoriais de *Machine Learning* com *sklearn*