تمیز کردن داده ها و پیش پردازش در پایتون برای یادگیری ماشین

بیاموزید که چگونه مسائل مربوط به کیفیت داده ها را در یادگیری ماشین و علوم داده با استفاده از تمیز کردن داده ها در پایتون پاندا حل کنید.

عنوان اصلی : Data Cleaning & Preprocessing in Python for Machine Learning

سرفصل های دوره :

مقدمه و تنظیم:
مقدمه
برنامه درسی
نصب و راه اندازی
تشخیص مسائل مربوط به کیفیت داده ها:
پرونده مجموعه داده.
با استفاده از عملکرد "منحصر به فرد ()" برای تشخیص ناهنجاری ها
تشخیص مقادیر گمشده
تشخیص مقادیر تکراری
نوت بوک Jupyter
تشخیص مسائل داده
تمیز کردن داده ها و پیش پردازش:
جایگزین کردن مقادیر نادرست
مقادیر گمشده
رها کردن مقادیر گمشده
حذف آب های سفید
برخورد با خرما
رفع انواع داده ها
برخورد با ناهنجاری ها
نقشه برداری مقادیر مقوله ای به عددی
گروه بندی مجموعه داده ها
با استفاده از روش Lambda Apply
تبدیل ستون های طبقه ای به عددی
تشخیص و از بین بردن مسافت
مقیاس بندی ویژگی
نوت بوک Jupyter
تمیز کردن و پردازش داده ها
تمیز کردن داده ها و پیش پردازش برای NLP:
مقدمه
NLP - مجموعه داده
نشانه گذاری
حذف کلمات متوقف
ایجاد شده
روشهای ترکیبی از پیش پردازش داده ها در NLP
نوت بوک Jupyter