При работе с нейронными сетями важнейшим является качество тех данных, на которых нейронная сеть обучается. Для проведения предобработки данных, а также первичной работе с данными предназначен этот материал. При подготовки материала использовалась литература: Поллак, Г.А. Современные технологии анализа информации: учебное пособие к практическим работам / Г.А. Поллак– Челябинск: Издательский центр ЮУрГУ, 2013. – 99 с. Для предобработки данных необходимо (см. рис. ниже): Рассмотрим процесс оценки качества данных в Deductor Studio на конкретном примере. Этап 1. Импортирование данных. Этап 2. Устранение дубликатов и противоречий. Этап 3. Обработка пропусков. Этап 4. Проведение фильтрации. Полученный предобработанный набор данных можно использовать для работы с нейронной сетью. см.
При работе с нейронными сетями важнейшим является качество тех данных, на которых нейронная сеть обучается. Для проведения предобработки данных, а также первичной работе с данными предназначен этот материал.
При подготовки материала использовалась литература:
Поллак, Г.А. Современные технологии анализа информации: учебное пособие к практическим работам / Г.А. Поллак– Челябинск: Издательский центр ЮУрГУ, 2013. – 99 с.
Для предобработки данных необходимо (см. рис. ниже):
- изучить и предварительно проанализировать имеющуюся статистику по набору данных,
- определить, имеются ли дубликаты и противоречия в наборах данных, если имеются, осуществить предварительную предобработку данных,
- определить, имеются ли пропущенные данные, если необходимо, осуществить заполнение пропусков (вручную или автоматически),
- выявить наличие выбросов, удалить их из набора данных,
- осуществить фильтрацию, если необходимо, или нормирование набора данных.
Рассмотрим процесс оценки качества данных в Deductor Studio на конкретном примере.
Этап 1. Импортирование данных.
Этап 2. Устранение дубликатов и противоречий.
Этап 3. Обработка пропусков.
Этап 4. Проведение фильтрации.
Полученный предобработанный набор данных можно использовать для работы с нейронной сетью. см.