📄️ Фильтрация выбросов
Задача фильтрация выбросов (детекции аномалий) в машинном обучении.
📄️ Заполнение пропусков
Методы заполнения пропусков в данных для вещественных, бинарных и категориальных признаков перед обработкой.
📄️ Обработка временного признака
Обработка временного признака при подготовке данных для моделей машинного обучения. Учёт тренда и сезонности.
📄️ Обработка категориальных признаков
Методы кодирования категориальных признаков при подготовке данных для обучения моделей машинного обучения. Ordinal encoding, frequency encoding, one-hot encoding, mean value encoding, cyclic encoding.
📄️ Нормализация признаков
Нормализация признаков для моделей машинного обучения. Понятие медианы, квантили и персентили.
📄️ Генерация признаков
Подходы к генерации новых признаков (feature engineering) на этапе подготовки данных для обучения моделей машинного обучения.
📄️ Сокращение числа признаков
Отбор признаков (feature selection) и снижение размерности признакового пространства (dimensionality reduction) при подготовке данных для обучения моделей машинного обучения.
📄️ Преобразование целевой переменной
Преобразование целевой переменной для повышения качества прогнозов.
📄️ Представление текстовых данных
Представление текстовых данных в виде вектора признаков для моделей мешка слов. Метод TF-IDF.
📄️ Вопросы
Вопросы для самопроверки по подготовке данных перед применением машинного обучения.