Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitim serisinin bir parçası olup, konuşmacı veri ön işleme konusunu anlatmaktadır.
- Videoda, önceki derste görselleştirme yapılmış bir veri setinin makine öğrenmesine uygun hale getirilmesi gösterilmektedir. Konuşmacı, metinsel ifadeleri sayısal hale getirmek için pandas kütüphanesinin map fonksiyonunu kullanarak cinsiyet, sigara durumu, gün ve zaman sütunlarını sayısal değerlerle eşleştirmektedir. Video, veri ön işleme sürecinin son aşamasını göstermekte ve bir sonraki videolarda makine öğrenmesi algoritmalarının teorik bilgilerinin ve kodlamasının anlatılacağını belirtmektedir.
- Veri Ön İşleme ve Görselleştirme
- Önceki derste görselleştirme yapılmış ve argümanlar eklenerek daha fazla içerik eklenmişti.
- Bu derste veri ön işleme ve görselleştirme yapıldıktan sonra makine öğrenmesine yaklaşılmış bulunuyor.
- Veri makine öğrenmesine uygun hale getirildikten sonra algoritmalar uygulanacak ve Python kodları yazılacak.
- 00:48Metinsel Verileri Sayısal Hale Getirme
- Cinsiyet ifadesi için df.map fonksiyonu kullanılarak "kadın" ifadesi 1, "erkek" ifadesi 2 olarak sayısal hale getirildi.
- Sigara durumu için df.map fonksiyonu kullanılarak "hayır" ifadesi 2, "evet" ifadesi 1 olarak sayısal hale getirildi.
- Günler için df.map fonksiyonu kullanılarak "perşembe" ifadesi 1, "cuma" ifadesi 2, "cumartesi" ifadesi 3, "pazar" ifadesi 4 olarak sayısal hale getirildi.
- 05:02Zaman Verisi ve Makine Öğrenmesi
- Zaman verisi için df.map fonksiyonu kullanılarak "öğlen" ifadesi 1, "akşam" ifadesi 2 olarak sayısal hale getirildi.
- Tüm metinsel ifadeler sayısal hale getirildikten sonra makine öğrenmesi algoritmaları uygulanabilir.
- Makine öğrenmesi algoritmaları ile örneğin, belirli özelliklere sahip müşterilerin bahşiş tahmin edilebilir.