Mineração de dados

[Carlos Eduardo de Oliveira]

Olá Jones, tudo bem?

Dentro do processo de mineração de dados, quais seriam os aspectos mais importantes, que devemos observar para a limpeza e preparação de dados para o métodos preditivos?

[Fábio Spak]

Boa noite Carlos, o pontos importantes podem variar de acordo com o objetivo do seu projeto, veja alguns na lista baixo:

• Valores ausentes, do tipo NaN, os quais você pode preencher manualmente se o o conjunto de dados for pequeno.
• Ainda no caso dos valores ausentes, você pode utilizar a média para preencher a lacuna. Ou criar uma nova categoria “desconhecidos”.
• Dados ruidosos.
• Dados inválidos .
• Valores duplicados/redundantes ou irrelevantes.
• Erros estruturais, como por exemplo: digitação incorreta, mesmo atributo com nomes diferentes, classes mal rotuladas.

Fabio

[Carlos Eduardo de Oliveira]

Olá Fábio,

Obrigado pelos esclarecimentos.

Tenho alguma dificuldade com o PANDAS.

Há algum material (livro, artigo ou mesmo aqui na plataforma) com uma espécie de “check-list” com os comandos e métodos para limpeza de dados utilizando a biblioteca?

Obrigado mais uma vez!

[Fábio Spak]

Boa noite Carlos, especificamente do pandas ainda não, somente os conteúdos que são abordados na vídeo aula. Entretanto, pesquisando encontrei alguns exemplos adicionais nos artigos abaixo:

https://www.analyticsvidhya.com/blog/2020/09/pandas-speed-up-preprocessing/

https://medium.com/@sbhavna80/data-preprocessing-using-scikit-learn-and-pandas-7ca1c37f992d

https://www.kdnuggets.com/2019/11/data-cleaning-preprocessing-beginners.html

Fabio

 

[Autor]

Posts