Metadata คืออะไร บอกอะไรเกี่ยวกับชุดข้อมูลนั้น ๆ บ้าง
Metadata คือข้อมูลที่อธิบายชุดข้อมูล เพื่อให้เข้าใจได้เบื้องต้นว่าเป็นชุดข้อมูลเกี่ยวกับอะไร ประเภทไฟล์ วันที่สร้างและปรับปรุง
One Hot Encoding คืออะไร
ก่อนอื่นขออธิบายถึง Feature Encoding กันก่อน โดยสิ่งนี้คือการแปลงข้อมูลที่เป็น Categorical (ข้อมูลตัวอักษรที่ใช้เพื่อแบ่งกลุ่ม หมวดหมู่ ประเภท) ให้อยู่เป็นตัวแปรประเภท Numerical (ตัวเลข) เนื่องจากว่าคอมพิวเตอร์นั้นสามารถเข้าใจได้เฉพาะตัวเลข (ในแง่ของการทำงานและประมวลผล) ซึ่งวิธีการ Encoding นั้นมีหลากหลายวิธีด้วยกัน แต่โดยพื้นฐานแล้วจะใช้ Label Encoding และ One Hot Encoding ในการจัดการงานส่วนนี้ โดยที่สองวิธีการนี้ใช้งานแตกต่างกันกันตรงที่
- Label Encoding นั้นใช้กับหมวดหมู่หรือประเภทที่สามารถจัดเรียงได้อย่างชัดเจน หรือมีเกณฑ์ที่บอกได้ว่าอะไรมาก่อนมาหลัง (Ordinal Variables) เช่น ไซส์เสื้อ S/M/L/XL, เกรด A, B, C, D
- One-Hot Encoding ใช้กับข้อมูลหมวดหมู่หรือประเภทที่ไม่สามารถเรียงลำดับได้อย่างชัดเจน โดยมันจะนำแต่ละหมวดหมู่มาสร้างเป็นฟีเจอร์และใช้ค่า 0 และ 1 ในการระบุว่ามีหรือไม่มีค่านั้น ๆ เช่น
DataFrame ก่อนทำ One-Hot Encoding
DataFrame หลังทำ One-Hot Encoding
ลองทำ One Hot Encoding ด้วย
Scikit-learn
Import Library สำหรับทำ One-Hot (from sklearn.preprocessing import OneHotEncoder)
สร้าง DataFrame สมมุติ เป็นเงินเดือนของพนักงาน 4 คนจากการ์ต้า และมาเก๊า
ตรวจสอบประเภทของข้อมูล โดยข้อมูลจะต้องเป็นประเภท Object หรือไม่ก็ Category
เรียกใช้งาน OneHotEncoder (รายละเอียด) จัดการแปลงข้อมูล โดยจะได้ผลลัพธ์คือ เมทริกซ์ขนาด 4 แถว 2 คอลัมน์ (ตามจำนวนข้อมูลที่มี 4 แถว และ 2 ประเทศ)
นำไปประกอบเข้ากับ DataFrame เดิมเป็นอันเรียบร้อย
Related Post
Mutual Information ขั้นตอนแรกที่แนะนำให้ทำตอนเริ่มโปรเจค ML
การทำงานด้าน Machine Learning นั้นจะต้องเจอข้อมูลและมีคำถามเสมอว่าควรเริ่มจากอะไรดี โดย Mutual Information เป็นหนึ่งในขั้นตอนที่แนะนำให้ทำ
One Hot Encoding วิธีแปลงข้อมูลประเภท Category เพื่อใช้เทรนโมเดล
วิธีการแปลงข้อมูลประเภทหมวดหมู่/ประเภท (ที่เป็นตัวอักษร) ให้เป็นชุดตัวเลขด้วยวิธีการ One Hot Encoding เพื่อให้โมเดลสามารถเรียนรู้ได้
ANN (Artificial Neural Network) พื้นฐานของ Deep Learning
การเรียนรู้เชิงลึก (Deep Learning) นั้นเป็นเทคนิคที่มัประสิทธิภาพมากในงาน Machine Learning ปัจจุบันซึ่งเบื้องหลังของมันก็คือการใช้ ANN
Parsing Dates การจัดการกับข้อมูลวันที่ในชุดข้อมูลด้วย Pandas
ในหลาย ๆ ชุดข้อมูลมักจะมีการเก็บวันที่ไว้ด้วยเสมอ ซึ่งการ Parsing Dates จะช่วยให้ใช้งานวันที่เหล่านั้นได้ง่ายยิ่งขึ้น
Data source แหล่งชุดข้อมูลสำหรับใช้ทำงานด้านข้อมูลช่วยให้โปรเจคราบรื่นยิ่งขึ้น
การจะเริ่มทำโปรเจคอะไรสักอย่างสิ่งที่ขาดไม่ได้เลยคือข้อมูล แล้วยิ่งเป็นงานที่เกี่ยวข้องกับ Data แล้วนั้น Data source จึงเป็นสิ่งจำเป็นมาก