Ekstraksi Fitur dari Data

Ekstraksi fitur mencakup transformasi data mentah menjadi sekumpulan fitur yang dapat digunakan oleh model pembelajaran mesin. Pelajaran ini membahas dasar-dasar rekayasa fitur dan teknik umum untuk mengekstrak fitur yang berguna dari data.

Apa Itu Ekstraksi Fitur?

Ekstraksi fitur menyederhanakan data mentah dengan mengidentifikasi atribut utama yang paling relevan untuk analisis. Hal ini mengurangi kompleksitas data dan meningkatkan performa model.

Contoh:

• Mengekstrak month dan day dari kolom date.
• Menghitung word count dari data teks.

Mengekstrak Fitur dari Tanggal

Anda dapat memperoleh fitur baru seperti year, month, atau day dari kolom tanggal menggunakan Pandas.

Contoh:

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

Fitur Berbasis Teks

Untuk data teks, Anda dapat mengekstrak fitur seperti:

• Word Count: Jumlah total kata.
• Jumlah Karakter: Jumlah total karakter.
• Kata Unik: Jumlah kata yang unik.

Contoh:

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

Pengodean Fitur Kategorikal

Ubah data kategorikal ke dalam bentuk numerik untuk analisis. Teknik umum meliputi:

• Pengodean Biner per Kategori: Membuat kolom biner untuk setiap kategori.
• Pengodean Label: Memberikan nomor unik pada setiap kategori.

Contoh:

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

Penskalaan Fitur

Penskalaan memastikan semua fitur berada pada skala yang serupa, yang sangat penting bagi banyak algoritme pembelajaran mesin. Tekniknya meliputi:

• Standardisasi: Melakukan penskalaan data sehingga rata-ratanya 0 dan simpangan bakunya 1.
• Penskalaan Min-Maks: Mengubah data ke dalam rentang [0, 1].

Pemilihan Fitur

Pemilihan fitur mencakup pemilihan fitur yang paling penting bagi model. Tekniknya meliputi:

• Analisis Korelasi: Mengidentifikasi fitur-fitur yang sangat berkorelasi.
• Eliminasi Fitur Rekursif (RFE): Menghapus fitur yang paling tidak signifikan secara berulang.

Ringkasan

Dalam pelajaran ini, Anda telah mempelajari:

• Ekstraksi fitur: Mengubah data mentah menjadi fitur yang berguna.
• Teknik: Fitur tanggal, fitur berbasis teks, dan pengodean data kategorikal.
• Penskalaan fitur: Memastikan fitur berada pada skala yang serupa.
• Pemilihan fitur: Mengidentifikasi fitur yang paling relevan.

Selamat!

Anda telah menyelesaikan pelajaran tentang Ekstraksi Fitur dari Data. Lanjutkan ke kategori berikutnya untuk mempelajari konsep AI yang lebih canggih secara lebih mendalam.