使用 Python 进行数据科学：Munging、Outliers 和特征工程

Data Science with Python: Munging, Outliers, and Feature Engineering

学习使用 Python 从原始数据中预处理和设计特征。本课程将教您处理缺失值、检测异常值、创建相关特征以及优化数据集以实现有效的数据科学项目。

学习内容

原始数据通常包含缺失值、异常值和不相关的特征，这些可能会阻碍数据科学项目的成功。

在本课程 Python 数据科学：修饰、异常值和特征工程中，您将能够使用 Python 有效地从原始数据中预处理和设计特征。

首先，您将探索处理缺失数据和插补缺失值的技术，以确保您的数据集保持信息丰富且可靠，便于分析。

接下来，您将发现使用统计和机器学习方法检测和处理异常值的方法，并制定适当处理异常值的策略。

最后，您将学习如何从原始数据创建有意义的特征、转换分类变量，并通过删除不相关的列并重新排序它们以获得更好的可读性和处理能力来优化数据集以进行高效分析。

完成本课程后，您将拥有解决实际数据科学问题、将原始数据转换为干净、信息丰富的数据集以及增强机器学习模型性能所需的数据整理和特征工程方面的技能和知识。