0Pricing
Python For Kids · Pelajaran

Mengekstrak Fitur dari Data

Dasar-dasar rekayasa fitur

Mengekstrak Fitur dari Data adalah pelajaran Python For Kids gratis di CoddyKit. Ini adalah pelajaran 5 dari 5. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Python For Kids, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Python For Kids mencakup 5 pelajaran total.

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.

Mengekstrak Fitur dari Data — ilustrasi 1

Apa Itu Ekstraksi Fitur?

Ekstraksi fitur menyederhanakan data mentah dengan mengidentifikasi atribut utama yang paling relevan untuk analisis. Ekstraksi ini mengurangi kompleksitas data dan meningkatkan kinerja 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 yang umum mencakup:

  • Pengodean One-Hot: Membuat kolom biner untuk setiap kategori.
  • Pengodean Label: Menetapkan angka unik untuk 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 algoritma pembelajaran mesin. Tekniknya meliputi:

  • Standardisasi: Menskalakan data sehingga memiliki rata-rata 0 dan simpangan baku 1.
  • Penskalaan Min-Maks: Mentransformasikan data ke rentang [0, 1].

Pemilihan Fitur

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

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

Rangkuman

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 mendalami konsep AI yang lebih lanjut.

Mengekstrak Fitur dari Data — ilustrasi 10

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Mengekstrak Fitur dari Data” gratis?

Ya — teks lengkap “Mengekstrak Fitur dari Data” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Python For Kids, upgrade ke CoddyKit PRO. Kursus Python For Kids mencakup 5 pelajaran total.

Apa yang akan aku pelajari di “Mengekstrak Fitur dari Data”?

Dasar-dasar rekayasa fitur Kamu berlatih Python For Kids dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Python For Kids?

Tidak diperlukan pengalaman sebelumnya. Python For Kids di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 5 dari 5.

Berapa lama pelajaran “Mengekstrak Fitur dari Data” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Python For Kids ini?

Ya. Setiap pelajaran Python For Kids menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Jenis-Jenis Data
  2. Menangani Data yang Hilang
  3. Normalisasi Data
  4. Menggabungkan Data dalam Python
  5. Mengekstrak Fitur dari Data
← Kembali ke Python For Kids