Extraction de caractéristiques à partir des données

L’extraction de caractéristiques consiste à transformer des données brutes en un ensemble de caractéristiques que les modèles d’apprentissage automatique peuvent utiliser. Cette leçon présente les bases de la création de caractéristiques ainsi que les techniques courantes permettant d’extraire des caractéristiques utiles à partir des données.

L’extraction de caractéristiques simplifie les données brutes en identifiant les attributs clés les plus pertinents pour l’analyse. Elle réduit la complexité des données et améliore les performances du modèle.

Exemple :

• Extraire le month et le day d’une colonne date.
• Calculer le word count à partir de données textuelles.

Vous pouvez dériver de nouvelles caractéristiques telles que year, month ou day à partir d’une colonne de dates à l’aide de Pandas.

Exemple :

df['Year'] = pd.to_datetime(df['Date']).dt.year

Pour les données textuelles, vous pouvez extraire des caractéristiques telles que :

• Nombre de mots : Nombre total de mots.
• Nombre de caractères : Nombre total de caractères.
• Mots uniques : Nombre de mots uniques.

Exemple :

df['WordCount'] = df['Text'].apply(lambda x: len(x.split()))

Convertissez les données catégorielles en forme numérique pour l’analyse. Les techniques courantes comprennent :

• Encodage one-hot : Crée des colonnes binaires pour chaque catégorie.
• Encodage par étiquettes : Attribue un nombre unique à chaque catégorie.

Exemple :

from sklearn.preprocessing import OneHotEncoder encoder = OneHotEncoder() encoded = encoder.fit_transform(df[['Category']])

La mise à l’échelle garantit que toutes les caractéristiques se trouvent sur une échelle similaire, ce qui est essentiel pour de nombreux algorithmes d’apprentissage automatique. Parmi les techniques possibles :

• Standardisation : mettez les données à l’échelle pour obtenir une moyenne de 0 et un écart-type de 1.
• Mise à l’échelle min-max : transformez les données pour les ramener dans l’intervalle [0, 1].

La sélection des caractéristiques consiste à choisir les caractéristiques les plus importantes pour le modèle. Parmi les techniques possibles :

• Analyse de corrélation : identifiez les caractéristiques fortement corrélées.
• Élimination récursive des caractéristiques (RFE) : supprimez progressivement les caractéristiques les moins significatives.

Dans cette leçon, vous avez découvert :

• Extraction de caractéristiques : transformation des données brutes en caractéristiques utiles.
• Techniques : caractéristiques liées aux dates, caractéristiques fondées sur le texte et encodage des données catégorielles.
• Mise à l’échelle des caractéristiques : garantie que les caractéristiques se trouvent sur des échelles comparables.
• Sélection de caractéristiques : identification des caractéristiques les plus pertinentes.

Vous avez terminé la leçon sur l’extraction de caractéristiques à partir des données. Passez à la catégorie suivante pour approfondir d’autres concepts avancés de l’IA.