Features uit gegevens extraheren

Bij kenmerkextractie worden onbewerkte gegevens omgezet in een reeks kenmerken die machinelearningmodellen kunnen gebruiken. In deze les leer je de basis van feature-engineering en veelgebruikte technieken om bruikbare kenmerken uit gegevens te halen.

Kenmerkextractie vereenvoudigt onbewerkte gegevens door de belangrijkste kenmerken te identificeren die het relevantst zijn voor analyse. Hierdoor wordt de complexiteit van de gegevens kleiner en presteert het model beter.

Voorbeeld:

• De month en day uit een date-kolom halen.
• De word count van tekstgegevens berekenen.

Je kunt met Pandas nieuwe kenmerken zoals year, month of day afleiden uit een datumkolom.

Voorbeeld:

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

Voor tekstgegevens kun je de volgende kenmerken extraheren:

• Woorden tellen: het totale aantal woorden.
• Tekens tellen: het totale aantal tekens.
• Unieke woorden: het aantal unieke woorden.

Voorbeeld:

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

Zet categorische gegevens om naar een numerieke vorm voor analyse. Veelgebruikte technieken zijn:

• One-hotcodering: maakt binaire kolommen voor elke categorie.
• Labelcodering: wijst aan elke categorie een uniek getal toe.

Voorbeeld:

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

Schalen zorgt ervoor dat alle kenmerken een vergelijkbare schaal hebben. Dit is belangrijk voor veel machinelearningalgoritmen. Technieken zijn onder andere:

• Standaardisering: gegevens schalen naar een gemiddelde van 0 en een standaardafwijking van 1.
• Min-maxschaling: gegevens omzetten naar een bereik van [0, 1].

Bij kenmerkselectie kies je de belangrijkste kenmerken voor het model. Technieken zijn onder andere:

• Correlatieanalyse: sterk gecorreleerde kenmerken identificeren.
• Recursieve kenmerkeliminatie (RFE): de minst significante kenmerken stapsgewijs verwijderen.

In deze les heb je geleerd over:

• Kenmerkextractie: onbewerkte gegevens omzetten in bruikbare kenmerken.
• Technieken: datumkenmerken, tekstkenmerken en het coderen van categorische gegevens.
• Kenmerkschaling: ervoor zorgen dat kenmerken vergelijkbare schalen hebben.
• Kenmerkselectie: de relevantste kenmerken identificeren.

Je hebt de les over het extraheren van kenmerken uit gegevens voltooid. Ga door naar de volgende categorie om meer geavanceerde AI-concepten te ontdekken.