R: Ultimate Eğitiminde [2022] Veri Ön İşleme

Aşağıdaki R eğitimindeki veri ön işlememizde, veri ön işlemenin nasıl gerçekleştirileceğinin temellerini öğreneceksiniz. Bu eğitim, R ve programlamanın temellerine aşina olmanızı gerektirir:

1. Adım: Sorunları Bulma ve Düzeltme

Önce veri setini içe aktararak, R eğitiminde veri ön işlememize başlayacağız. Sonuçta, ilk etapta verilere sahip değilseniz, verileri önceden işleyemezsiniz.

Bizim durumumuzda veriler, çalışma dizinindeki data.csv dosyasında saklanır. setwd(“istenen konum”) komutunu kullanabilir ve çalışma dizinini ayarlayabilirsiniz.

İşlemi şu şekilde başlatacaksınız:

veri kümesi <- read.csv(“Data.csv”)

İşte veri kümemiz:

Görüldüğü gibi veri setimizin Maaş ve Yaş sütunlarında eksik değerler bulunmaktadır. Veri kümemizde bulunan sorunu belirledik, böylece şimdi aynısını düzeltmeye başlayabiliriz.

Veri kümemizde başka hiçbir sorun yok gibi görünüyor, bu nedenle yalnızca eksik değerleri ele almamız gerekiyor. NA değerlerini ilgili sütunların ortalama değerleriyle değiştirerek bu sorunu çözebiliriz. İşte nasıl:

veri kümesi$Yaş <- ifelse(is.na(veri kümesi$Yaş),

ave(veri kümesi$Yaş, EĞLENCE = işlev(x)

ortalama(x, na.rm = DOĞRU)),

veri kümesi$Yaş)

dataset$Maaş <- ifelse(is.na(dataset$Maaş),

ave(veri kümesi$Maaş, EĞLENCE = işlev(x)

ortalama(x, na.rm = DOĞRU)),

veri kümesi$Maaş)

Burada ave() işlevini nasıl kullandığımıza dikkat edin. Girdiğiniz belirli sütunun ortalamasını alır; burada EĞLENCE, NA değerleri hariç ortalamayı hesaplayan x'in bir fonksiyonudur (na.rm=TRUE).

Başka,

$ Age veri setinde ne varsa onu al

Şimdi ortalama() işlevini kullanacağız:
#tanımlama x = 1 2 3

x <- 1:3

#eksik değerle tanışın

x[1] <- NA

# ortalama = NA

ortalama(x)

## [1] Yok

# ortalama = NA değeri hariç ortalama

ortalama(x, na.rm = T)

## [1] 2.5

Sorunu tanımlayıp düzelttikten sonra veri setimiz şöyle görünür:

Ayrıca Okuyun: R Programlama Dilinde Kariyer Fırsatları

2. Adım: Kategorik Veriler

Kategorik veriler, belirli kategorilere ait sayısal olmayan verilerdir. Veri kümemizdeki Ülke sütunu kategorik verilerdir. R'deki read.csv() işlevi, tüm dize değişkenlerini kategorik değişkenler haline getirir. Ancak, her durumda kullanamayız.

Faktör değişkenleri olarak belirli değişkenleri şu şekilde oluşturabilirsiniz:
veri kümesi$Ülke = faktör(veri kümesi$Ülke,

seviyeler = c('Fransa', 'İspanya', 'Almanya'),

etiketler = c(1, 2, 3))

veri kümesi$Satın Alınan = faktör(veri kümesi$Satın alınan,

seviyeler = c('Hayır', 'Evet'),

etiketler = c(0, 1))

3. Adım: Verileri Bölme

Şimdi veri setimizi iki ayrı veri setine bölmemiz gerekiyor. Biri makine öğrenimi modelimizi eğitmek için, diğeri ise aynısını test etmek için.

Bunu yapmak için önce caTools paketini (mevcut değilse) kuracağız ve onu kitaplığımıza ekleyeceğiz. Daha sonra, bölmenin rastgele yapıldığından emin olmak için set.seed() işlevini kullanacağız. Aşağıdaki kodu kullanın:
kitaplık(caTools)

set.seed(123)

split = sample.split(veri kümesi$Satın Alınan,SplitRatio = 0.8)

training_set = alt küme(veri kümesi,split == DOĞRU)

test_set = alt küme(veri kümesi, bölme == YANLIŞ)

Bölme oranını 80:20 olarak tuttuğumuzu fark etmişsinizdir. Bunun nedeni, eğitim setleri ve test setleri için en geleneksel bölme oranı olmasıdır. sample.split() yöntemimiz sütunu aldı ve bölme oranına göre rastgele doğru ve yanlış değerlere sahip sayısal bir dizi oluşturdu.

4. Adım: Özellik Ölçeklendirme veya Fazla Uydurma

Veri kümenizdeki farklı özellikler farklı aralıklara sahip olduğunda özellik ölçeklendirmesi gerekir. Bizim durumumuzda, Yaş ve Maaş sütunlarının farklı aralıkları vardır, bu da ML modelimizin eğitiminde sorunlara neden olabilir.

Diğer özellikten önemli ölçüde daha yüksek bir aralığa sahip bir özelliğiniz olduğunda, öklid mesafesi önemli ölçüde artar ve modelin yanlış sonuçlar vermesine neden olur.

R'deki çoğu kitaplığın bu sorunu otomatik olarak çözdüğünü unutmayın, ancak bunun nasıl düzeltileceğini bilmek önemlidir. Aşağıdakileri yapın:

training_set[,2:3] = ölçek(training_set[,2:3])

test_set[,2:3] = ölçek(test_set[,2:3])

Bu sorunu çözecek ve eğitim setinizin özellikleri aynı aralıklara sahip olacak ve makine öğrenimi uygulamaları sırasında herhangi bir hata olasılığını en aza indirecektir.

Dünyanın en iyi Üniversitelerinden veri bilimi sertifikası alın . Kariyerinizi hızlandırmak için Yönetici PG Programları, İleri Düzey Sertifika Programları veya Yüksek Lisans Programları öğrenin.

Çözüm

R eğitimindeki veri ön işlememizi yararlı bulduğunuzu umarız. Kendiniz test etmeye çalışmadan önce öğreticiyi anlamak en iyisi olacaktır. Kavramları anlamak, onları kullanmaktan çok daha önemlidir.

R eğitimindeki veri ön işlememiz hakkındaki düşünceleriniz nelerdir? Bunları aşağıdaki yorumlarda paylaşın.

R, veri bilimi hakkında bilgi edinmek istiyorsanız, çalışan profesyoneller için oluşturulan ve 10'dan fazla vaka çalışması ve proje, uygulamalı uygulamalı atölye çalışmaları, endüstri uzmanlarıyla mentorluk, 1'e- Sektör danışmanlarıyla 1 numara, en iyi firmalarla 400+ saat öğrenim ve iş yardımı.