انواع داده های گم شده (missing value)
در مساله انواع داده های گم شده missing value فهمیدن نوع مفقود شدن به طور تصادفی،غیرتصادفی یا کاملا تصادفی MNAR MCAR ,MAR از دست رفته اند درحل مشکل مهم است
پیش پردازش داده ها
پیش پردازش داده ها با پایتون
هسته اصلی یادگیری ماشین پردازش داده ها است. قبل از شروع کار با الگوریتم های یادگیری ماشین داده ها باید آماده شوند تا دقت و خروجی کار بالاتر رود. در این مطلب قصد داریم با یک مثال عملی پیش پردازش …
نمونه گیری Oversampling و Undersampling در داده های نامتوازن
در یادگیری ماشین نمونه گیری Undersampling و نمونه گیری Oversampling دو روش هستند که با در برخورد با داده های نامتوازن به کار می روند.می توانید از کلاس اکثریت کم نمونه گیری کنید یا روی کلاس اقلیت را بیش نمونه گیری انجام دهید یا از ترکیب هر دو روش استفاده کنید
پرکردن ،حذف یا جایگزینی داده های گم شده missing value
تقریباً همه مجموعه داده های دنیای واقعی مقادیر از دست رفته missing value دارند، برای حذف، پر کردن یا جایگزینی داده های گم شده شناسایی نوع آن از دست رفتن داده مهم است و این یک مشکل جدی است که …
پرکردن ،حذف یا جایگزینی داده های گم شده missing value ادامه مطلب »
