College aantekeningen
Alle lectures content Data Mining for Businnes & Governance
Document containing all the information for the Data Mining for Business & Governance course. This course is given in spring 2024.
[Meer zien]Voorbeeld 4 van de 51 pagina's
Voorbeeld 4 van de 51 pagina's
In winkelwagengesponsord bericht van onze partner
Verkoper
Volgen
Voorbeeld van de inhoud
Module 1: Introductory ConceptsMissing values:
- Sometimes, we have instances that have missing values for some features.
- It is of paramount importance to deal with this situation before building any machine
learning or data mining model.
- Missing values might result from fields that are not always applicable, incomplete
measurements, lost values.
Imputation strategies for missing values
- The simplest strategy would be to remove the feature containing missing values. This
strategy is recommended when the majority of the instances have missing values for
that feature.
o However: There are situations in which we have a few features or the feature
we want to remove is deemed relevant.
- If we have scattered missing values and few features, we might want to remove the
instances having missing values.
o However: There are situations in which we have a limited number of
instances.
- The third strategy is the most popular. It consists of replacing the missing values for a
given feature with a representative value such as the mean, the median or the mode
of that feature.
o However: We need to be aware that we are introducing noise.
- Fancier strategies include estimating the missing values with a machine learning
model trained on the non-missing information.
o Remark: More about missing values will be covered in Statistics course.
Normalization
Between 0-1
,Standardization
With boundaries
Normalization vs Standardization
Correlation (question part of exam)
,X2 association measure
Symbolic feature = categorical feature like eye color
, Encoding categorical features
Some machine learning, data mining algorithms or platforms cannot operate with categorical
features → therefore we need to encode these features as numerical quantities.
1 Label encoding
- Assigning integer numbers to each category. It only makes sense if there is an ordinal
relationship among the categories.
o For example: Weekdays, months, rating etc.
2 One-hot encoding
Class imbalance
More accurate if you predict with the blue feature because of the more frequency.
Voordelen van het kopen van samenvattingen bij Stuvia op een rij:
Verzekerd van kwaliteit door reviews
Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!
Snel en makkelijk kopen
Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.
Focus op de essentie
Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!
Veelgestelde vragen
Wat krijg ik als ik dit document koop?
Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.
Tevredenheidsgarantie: hoe werkt dat?
Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.
Van wie koop ik deze samenvatting?
Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper matsvandersteen. Stuvia faciliteert de betaling aan de verkoper.
Zit ik meteen vast aan een abonnement?
Nee, je koopt alleen deze samenvatting voor €6,00. Je zit daarna nergens aan vast.
Is Stuvia te vertrouwen?
4,6 sterren op Google & Trustpilot (+1000 reviews)
Afgelopen 30 dagen zijn er 48756 samenvattingen verkocht
Opgericht in 2010, al 15 jaar dé plek om samenvattingen te kopen