Hejka #programowanie #machinelearning #datascience #python #naukaprogramowania
Czy jest tu ktoś, kto mógłby spojrzeć na dane, które sobie skleiłam i poinstruować co można z nim dalej zrobić w kierunku machine learningu? Notebook na google colab - chcę przeprowadzić predykcję plonów na podstawie zmiennych środowiskowych/klimatycznych. Mam dataset z dużą ilością parametrów (59 kolumn w tym czas posadzenia, czas zbiorów, temperatura, liczba dni poniżej różnych temperatur w okresie wzrostu itp.) i nie bardzo wiem co dalej.
Czy lepiej jak je jakoś sklasyfikuje albo wybiorę kilka z nich (boję się, że jak jest ich tak dużo i są takie różne, to potencjalne zależności się rozmyją i model będzie słabiacki)?
Dopiero uczę się tego tematu i będę wdzięczna za jakieś sugestie haseł, po których mogłabym sobie wyszukać co dalej zrobić!
Czy jest tu ktoś, kto mógłby spojrzeć na dane, które sobie skleiłam i poinstruować co można z nim dalej zrobić w kierunku machine learningu? Notebook na google colab - chcę przeprowadzić predykcję plonów na podstawie zmiennych środowiskowych/klimatycznych. Mam dataset z dużą ilością parametrów (59 kolumn w tym czas posadzenia, czas zbiorów, temperatura, liczba dni poniżej różnych temperatur w okresie wzrostu itp.) i nie bardzo wiem co dalej.
Czy lepiej jak je jakoś sklasyfikuje albo wybiorę kilka z nich (boję się, że jak jest ich tak dużo i są takie różne, to potencjalne zależności się rozmyją i model będzie słabiacki)?
Dopiero uczę się tego tematu i będę wdzięczna za jakieś sugestie haseł, po których mogłabym sobie wyszukać co dalej zrobić!
- Najlepsze
- Wszystkie komentarze
dane kategoryczne (np. country albo item) zamienić na numerki i zakodować, najlepiej, one-hot encoderem, wartości liczbowe ujednolicić (bo widzę że są podane w różnych jednostkach, bo nawet jest taka kolumna) jeśli się da oczywiście, potem ustandaryzować lub znormalizować w przedziale [0;1] lub [-1;1]
Sprawdzić ile elementów brakuje w danych kolumnach, jeśli są spore braki, kolumny wywalić, jeśli są dosyć duże ale można je w miarę przystępnie wypełnić,
o ile takie są