La Standardizzazione assicura che ogni caratteristica abbia una media di 0 e una deviazione standard di 1 , portando tutte le caratteristiche alla stessa grandezza. = osservazione, μ = media, σ = deviazione standard È possibile utilizzare il metodo StandardScaler di -0.79558708] # [ 0.84270097 -0.06119901] # [-1.32424438 1.65237317]] Verifichiamo che la media di E che la deviazione standard di ogni caratteristica (colonna) è 1 : print(scaled_data.std(axis=0)) [1

A scienziati e programmatori di dati piace Python perché è un linguaggio di programmazione dinamico e Python sembra essere preferito per la scienza dei dati su R perché finisce per essere più veloce di R Si dice anche che sia migliore di R per la manipolazione dei dati.

Nel capitolo precedente abbiamo imparato a creare un array completamente casuale, di una data dimensione Nella teoria della probabilità questo tipo di distribuzione dei dati è nota come distribuzione normale distribuzione dei dati gaussiana , dal matematico Carl Friedrich Gauss che ha inventato la formula di Ciò significa che i valori dovrebbero essere concentrati intorno a 5,0 e raramente più lontani di 1,0 puoi vedere dall'istogramma, la maggior parte dei valori sono compresi tra 4.0 e 6.0, con un massimo di

Come detto in Precedenza il Data Scientist non è solo una figura aziendale, ma molto di più... Come tale dovrà imparare la giusta sequenza per arrivare a dire di essere alla soluzione del problema

È un tipo di algoritmo di apprendimento supervisionato utilizzato principalmente per problemi di classificazione

nell'apprendimento automatico e nella scienza dei dati perché i dati provengono da fonti diverse con tipi di Pertanto non è possibile applicare lo stesso metodo di pulizia ed elaborazione a diversi tipi di dati Diversi metodi per gestire i dati mancanti nel tuo set di dati.

Il modo di gran lunga più comune per rappresentare le variabili categoriali è utilizzare la codifica one-hot, o metodi di codifica uno-su-N, noti anche come variabili fittizie. LabelEncoder ci aiuterà a creare una codifica intera di etichette dai nostri dati eOneHotEncoder creerà una codifica one-hot di valori con codifica intera. import numpy as np from sklearn.preprocessing import integer_encoded dal metodo LabelEncoder : [0 0 2 0 1 1 2 0 2 1] E questo è l'output di onehot_encoded

. # Sostituisci i valori nulli con la media delle colonne di appartenenza data = data.fillna(data.median ()) Nell'esempio sopra, usiamo il metodo mediano per riempire i valori mancanti nel set di dati.

Introduzione alla probabilità Variabile casuale 1D La funzione di una variabile casuale Distribuzione di probabilità congiunta Distribuzione discreta Binomiale Bernoulli geometrica ecc Distribuzione continua