Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Özellik vektörleri oluşturmadan önce sayısal verileri iki şekilde incelemenizi öneririz:
Verilerinizi nokta veya grafiklerle görselleştirin.
Verilerinizle ilgili istatistikleri alın.
Verilerinizi görselleştirin
Grafikler, verilerde gizli olan anormallikleri veya kalıpları bulmanıza yardımcı olabilir.
Bu nedenle, analize çok fazla girmeden önce verilerinize dağılım grafiği veya histogram olarak grafiksel olarak bakın. Grafikleri yalnızca veri ardışık düzeninin başında değil, veri dönüşümleri boyunca da görüntüleyebilirsiniz. Görselleştirmeler, varsayımlarınızı sürekli olarak kontrol etmenize yardımcı olur.
Görselleştirme için pandas ile çalışmanızı öneririz:
Belirli görselleştirme araçlarının belirli veri biçimleri için optimize edildiğini unutmayın.
Protokol arabelleklerini değerlendirmenize yardımcı olan bir görselleştirme aracı, CSV verilerini değerlendirmenize yardımcı olabilir veya olmayabilir.
Verilerinizi istatistiksel olarak değerlendirme
Görsel analizin yanı sıra, olası özellikleri ve etiketleri matematiksel olarak değerlendirmenizi ve aşağıdakiler gibi temel istatistikleri toplamanızı öneririz:
ortalama ve medyan
standart sapma
Dörtte birlik bölümlerdeki değerler: 0., 25., 50., 75. ve 100. yüzdelikler. 0. yüzdelik dilim, bu sütunun minimum değeridir; 100. yüzdelik dilim ise bu sütunun maksimum değeridir. (50. yüzdelik dilim ortanca değerdir.)
Aykırı değerleri bulma
Ayrık değer, bir özellik veya etiketteki diğer çoğu değerden uzak bir değerdir. Tekil değerler genellikle model eğitiminde sorunlara neden olur. Bu nedenle, tekil değerleri bulmak önemlidir.
0. ve 25. yüzdelik dilim arasındaki fark, 75. ve 100. yüzdelik dilim arasındaki farktan önemli ölçüde farklıysa veri kümesinde muhtemelen aykırı değerler vardır.
Anormal değerler aşağıdaki kategorilerden herhangi birine girebilir:
Aykırı değer, bir hata nedeniyle ortaya çıkmıştır.
Örneğin, bir deneysel araştırmacı yanlışlıkla fazladan bir sıfır girmiş veya veri toplayan bir cihaz arızalanmış olabilir.
Genellikle hata nedeniyle aykırı değerler içeren örnekleri silersiniz.
Anormal veri, hata değil, geçerli bir veri noktasıdır.
Bu durumda, eğitilmiş modelinizin nihayetinde bu aykırı değerlerle ilgili iyi tahminler çıkarması gerekir mi?
Bu durumda, bu aykırı değerleri eğitim veri kümenizde tutun. Sonuçta, belirli özelliklerdeki aykırı değerler bazen etiketteki aykırı değerleri yansıtır. Bu nedenle, aykırı değerler modelinizin daha iyi tahminler yapmasına yardımcı olabilir.
Aşırı aykırı değerlerin modelinize zarar verebileceğini unutmayın.
Aksi takdirde, aykırı değerleri silin veya kırpma gibi daha müdahaleci özellik mühendisliği teknikleri uygulayın.
[null,null,["Son güncelleme tarihi: 2025-02-26 UTC."],[[["\u003cp\u003eBefore creating feature vectors, it is crucial to analyze numerical data by visualizing it through plots and graphs and calculating basic statistics like mean, median, and standard deviation.\u003c/p\u003e\n"],["\u003cp\u003eVisualizations, such as scatter plots and histograms, can reveal anomalies and patterns in the data, aiding in identifying potential issues early in the data analysis process.\u003c/p\u003e\n"],["\u003cp\u003eOutliers, values significantly distant from others, should be identified and handled appropriately, either by correcting mistakes, retaining legitimate outliers for model training, or applying techniques like clipping.\u003c/p\u003e\n"],["\u003cp\u003eStatistical evaluation helps in understanding the distribution and characteristics of data, providing insights into potential feature and label relationships.\u003c/p\u003e\n"],["\u003cp\u003eWhile basic statistics and visualizations provide valuable insights, it's essential to remain vigilant as anomalies can still exist in seemingly well-balanced data.\u003c/p\u003e\n"]]],[],null,["# Numerical data: First steps\n\nBefore creating feature vectors, we recommend studying numerical data in\ntwo ways:\n\n- Visualize your data in plots or graphs.\n- Get statistics about your data.\n\nVisualize your data\n-------------------\n\nGraphs can help you find anomalies or patterns hiding in the data.\nTherefore, before getting too far into analysis, look at your\ndata graphically, either as scatter plots or histograms. View graphs not\nonly at the beginning of the data pipeline, but also throughout data\ntransformations. Visualizations help you continually check your assumptions.\n\nWe recommend working with pandas for visualization:\n\n- [Working with Missing Data (pandas\n Documentation)](http://pandas.pydata.org/pandas-docs/stable/missing_data.html)\n- [Visualizations (pandas\n Documentation)](http://pandas.pydata.org/pandas-docs/stable/visualization.html)\n\nNote that certain visualization tools are optimized for certain data formats.\nA visualization tool that helps you evaluate protocol buffers may or may not\nbe able to help you evaluate CSV data.\n\nStatistically evaluate your data\n--------------------------------\n\nBeyond visual analysis, we also recommend evaluating potential features and\nlabels mathematically, gathering basic statistics such as:\n\n- mean and median\n- standard deviation\n- the values at the quartile divisions: the 0th, 25th, 50th, 75th, and 100th percentiles. The 0th percentile is the minimum value of this column; the 100th percentile is the maximum value of this column. (The 50th percentile is the median.)\n\nFind outliers\n-------------\n\nAn [**outlier**](/machine-learning/glossary#outliers) is a value *distant*\nfrom most other values in a feature or label. Outliers often cause problems\nin model training, so finding outliers is important.\n\nWhen the delta between the 0th and 25th percentiles differs significantly\nfrom the delta between the 75th and 100th percentiles, the dataset probably\ncontains outliers.\n| **Note:** Don't over-rely on basic statistics. Anomalies can also hide in seemingly well-balanced data.\n\nOutliers can fall into any of the following categories:\n\n- The outlier is due to a *mistake*. For example, perhaps an experimenter mistakenly entered an extra zero, or perhaps an instrument that gathered data malfunctioned. You'll generally delete examples containing mistake outliers.\n- The outlier is a legitimate data point, *not a mistake* . In this case, will your trained model ultimately need to infer good predictions on these outliers?\n - If yes, keep these outliers in your training set. After all, outliers in certain features sometimes mirror outliers in the label, so the outliers could actually *help* your model make better predictions. Be careful, extreme outliers can still hurt your model.\n - If no, delete the outliers or apply more invasive feature engineering techniques, such as [**clipping**](/machine-learning/glossary#clipping).\n\n| **Key terms:**\n|\n| - [Clipping](/machine-learning/glossary#clipping)\n- [Outliers](/machine-learning/glossary#outliers) \n[Help Center](https://support.google.com/machinelearningeducation)"]]
