Feature engineering and preprocessing · id featureeng
Zamiana surowych kolumn w cechy, z których model potrafi się uczyć: skalowanie, kodowanie kategorii, uzupełnianie braków, tworzenie i wybór cech. Kroki spina się w pipeline, żeby nie przeciekały informacje ze zbioru testowego.
Turning raw columns into features a model can learn from: scaling, encoding categories, imputing missing values, creating and selecting features. Steps are chained in a pipeline so no test-set information leaks in.
In one sentence
To przygotowanie danych w postaci, z której model może się uczyć.
This prepares data in a form a model can learn from.
Problem it solves
Surowe tabele zawierają braki, różne skale i opisy, których model nie potrafi bezpośrednio wykorzystać.
Raw tables contain missing values, different scales and descriptions that a model cannot directly use.
What it does
Uzupełnia braki według ustalonych zasad, przelicza wartości i zamienia opisy na użyteczne cechy, ucząc te przekształcenia bez podglądania danych testowych.
It handles missing values, rescales numbers and converts descriptions into useful features, learning those transformations without examining test data.
Everyday example
Z tabeli zamówień tworzysz cechy takie jak czas od poprzedniego zakupu i pora dnia, żeby model mógł porównywać przypadki.
You turn an order table into features such as time since the previous purchase and time of day so a model can compare cases.
This concerns you if you…
dane wymagają przygotowania przed użyciem w modelu
chcesz wybrać informacje przydatne do przewidywania