dsci-ml 2022-12-05

einlesen : https://www.kaggle.com/code/dansbecker/basic-data-exploration (Datenvisualisierungen: https://www.kaggle.com/learn/data-visualization –> wo Ausreißer?)

mit train_0 daten

split in train_0 + test_: https://www.kaggle.com/code/dansbecker/model-validation

• train-Set

• test … wegsperren!

zirkulär? parallelisieren?

• EDA, exporative Datenanalyse

• säubern

  • NaN, leere Felder: https://www.kaggle.com/code/alexisbcook/missing-values und https://www.kaggle.com/code/residentmario/data-types-and-missing-values

  • cm oder m?

  • Alter: in Monaten, in Jahren?

  • 99

• feature engineering

  • Feature Hernawachsende / Erwachsene?

• separieren

(Datenvisualisierungen: https://www.kaggle.com/learn/data-visualization) ML-Modell 1 bauen

• split von train_0 in train_1 + validation: https://www.kaggle.com/code/dansbecker/model-validation

  • typischerweise cross validation: https://www.kaggle.com/code/alexisbcook/cross-validation

• ggf. Vorverarbeitung

  • normieren https://www.kaggle.com/code/alexisbcook/scaling-and-normalization

  • standardisieren

  • siehe auch https://scikit-learn.org/stable/modules/preprocessing.html

• R

  • “Zahlen”-Regression

    • Attribut “Gender” auf Zahlen umarbeiten: https://www.kaggle.com/code/alexisbcook/categorical-variables

      • One Hot Encoding https://www.kaggle.com/code/alexisbcook/categorical-varialbles

  • was anderes?

    • auch umarbeiten?

• C

  • encoding für das target Gender?

    • Ziel-Variable, Target

    • NEIN für Multiclass-Algorithmen

    • schon gar nicht nur bei male / female

• optimale Hyper-Parameter festhalten

Modell deployen

Modell 2 (das erste Schlussmodell) bauen

• Hyper-Parameter sind fix, aus dem Bau von Modell_1

• alle verfügbaren Daten heranziehen - auch die Test-Daten aus dem split train_0 + test 0 für neue Datensätze Pipeline Bausteine bauen : https://www.kaggle.com/code/alexisbcook/pipelines

• säubern

• neue features einfügen

• separieren Modell beobachten