Eksik Veriler ve Imputation (Rapid Miner Eğitimi 4)
Missing Values, Veri ön işleme (preprocessing) sırasında karşılaşılan problemlerden birisidir. Bu videoda eksik verilerin olduğu veri kümemizi sistemde işliyor ve eksik verilere fonksiyonlar yardımı ile ortalama (average), min, max gibi değerleri nasıl koyacağımızı görüyoruz, ayrıca imputation yöntemi olarak bir sınıflandırma algoritması (örnekte k-nn kullanılmıştır) kullanıyor ve algoritma ile eksik verileri tamamlıyoruz.
Видео Eksik Veriler ve Imputation (Rapid Miner Eğitimi 4) канала BilgisayarKavramlari
Видео Eksik Veriler ve Imputation (Rapid Miner Eğitimi 4) канала BilgisayarKavramlari
Показать
Комментарии отсутствуют
Информация о видео
Другие видео канала
Müşteri Kayıp Analizi (Customer Churn Analysis) Rapid Miner Eğitimi 7Yönetim Bilişim Sistemleri ve Veri BilimiAndroid 16: Localization ve Birden Fazla Dil DesteğiBilgisayar Mühendisleri Odası İstanbul Koordinatörü (Part 2/3)İTÜRO2018 Organizasyon Ekibinden Öğrencilerle RöportajAndroid 19: Canvas Kavramı ve Çizimlere GirişDijital Pazarlama ve KariyerAmerika vs Türkiye'de Yönetim Bilişim SistemleriHayata dair tavsiyeleriniz1.4. R Project Verinin parçalanması, Mantıksal operatörlerScratch 7: Ses MenüsüBoğaziçi Üniversitesi YBS BölümüÖzellik Ağırlıkları, Seçimi ve Gürültü (Rapid Miner Eğitimi 3)Data İstanbul Konuşmasından (Part 1)MyNet Vidobu Projesi Yöneticisi Hakan Çamoğlu ile RöportajımızHiper Graflar (hyper graph) (22 aralık 2015 sorucevap)Amerika'da Hocaların Değerlendirilmesi2.3. R Grafikler (Stacked Barchart, Mosaic Plot, Scatter) çizimleriRapid Miner Repository Veri Yüklenmesi (Eğitim Serisi 3)Dr Racket (Lisp) 11: DFS Algoritmasının Binary Ağaçta Kodlaması