Bài giảng Lập trình Python cho máy học: Bài 5 - TS. Nguyễn Vinh Tiệp

Tài liệu này giới thiệu về kỹ thuật feature engineering và selection trong lập trình Python cho máy học. Nội dung bao gồm tiền xử lý dữ liệu, xử lý giá trị thiếu và ngoại lệ, thiết kế đặc trưng và biến đổi dữ liệu.

Sinh viên, nhà nghiên cứu và các chuyên gia trong lĩnh vực khoa học dữ liệu và máy học quan tâm đến việc cải thiện hiệu suất mô hình thông qua kỹ thuật feature engineering và selection.

Tài liệu này trình bày chi tiết về các kỹ thuật feature engineering và selection, bao gồm các phương pháp tiền xử lý dữ liệu như xử lý giá trị thiếu (missing values) và ngoại lệ (outliers). Các phương pháp xử lý giá trị thiếu được đề cập bao gồm loại bỏ (deletion), thay thế (imputation) bằng các giá trị đơn biến, đa biến, hoặc sử dụng thuật toán K-Nearest Neighbors (KNN). Đối với dữ liệu chuỗi thời gian, các phương pháp như điền phía trước (forward fill), điền phía sau (backward fill) và nội suy tuyến tính (linear interpolation) cũng được giới thiệu. Tài liệu cũng đi sâu vào thiết kế đặc trưng (feature design), bao gồm các phép biến đổi toán học, đếm số lượng, mã hóa tần số, tổng hợp và phân rã đặc trưng, nhóm tổng hợp, và các phương pháp khác như đặc trưng cụm và PCA. Các kỹ thuật biến đổi dữ liệu (data transformation) như Min-Max Scaling, Standardization, Log Transformation, Robust Scaler và Discretization cũng được trình bày chi tiết, cùng với các phương pháp chuyển đổi dữ liệu danh mục (categorical data) như One-hot Encoding, Label Encoding, Ordinal Encoding và Target Encoding. Cuối cùng, tài liệu đề cập đến kỹ thuật tạo đặc trưng cho chuỗi thời gian, bao gồm Date-time Features, Lag Features, Rolling Window Features, Expanding Features và Exponentially Weighted Average.