Data Wrangling oder Datenvorverarbeitung ist ein wichtiger erster Schritt, um eine genaue und vollständige Analyse Ihrer Daten zu erreichen. Bei diesem Prozess werden Ihre Rohdaten in ein Format umgewandelt, das sich leicht kategorisieren oder anderen Daten zuordnen lässt. So werden vorhersehbare Beziehungen zwischen den Daten hergestellt und die Erstellung der Modelle erleichtert, die Sie zur Beantwortung von Fragen zu Ihren Daten benötigen. Dieses Modul bietet eine Einführung in die Datenvorverarbeitung in R und stellt Ihnen dann die Tools zur Verfügung, die Sie benötigen, um fehlende Werte in Ihrem Datensatz zu identifizieren und zu behandeln, Datenformate umzuwandeln, um sie mit anderen Daten, mit denen Sie sie vergleichen möchten, abzugleichen, Ihre Daten zu normalisieren, Informationskategorien durch Daten-Binning zu erstellen und kategoriale Variablen in quantitative Werte umzuwandeln, die dann in numerisch basierten Analysen verwendet werden können.

Die explorative Datenanalyse (EDA) ist ein Ansatz zur Analyse von Daten, der die wichtigsten Merkmale zusammenfasst und Ihnen hilft, den Datensatz besser zu verstehen, Beziehungen zwischen verschiedenen Variablen aufzudecken und wichtige Variablen für das Problem, das Sie zu lösen versuchen, zu extrahieren. Die Hauptfrage, die Sie in diesem Modul zu beantworten versuchen, lautet: "Was sind die Ursachen für Flugverspätungen?" In diesem Modul lernen Sie einige nützliche Techniken der explorativen Datenanalyse kennen, die Ihnen helfen werden, diese Frage zu beantworten.

Sie haben das Problem, das Sie zu lösen versuchen, identifiziert und den Datensatz, den Sie in Ihrer Analyse verwenden werden, vorverarbeitet. Sie haben einige explorative Datenanalysen durchgeführt, um einige Ihrer ersten Fragen zu beantworten. Nun ist es an der Zeit, Ihr Modell zu entwickeln und die Stärke Ihrer Annahmen zu bewerten. In diesem Modul werden Sie die Modellentwicklung untersuchen, indem Sie versuchen, die Ankunftsverspätung eines Fluges anhand des Airline-Datensatzes vorherzusagen. Sie lernen Regressionstechniken kennen, um die Korrelation zwischen den Variablen in Ihrem Datensatz zu bestimmen, und bewerten das Ergebnis sowohl visuell als auch durch die Berechnung von Metriken.

Sie kennen Ihre Daten genau und haben sie vorverarbeitet, um die bestmöglichen Ergebnisse zu erzielen. Und Sie haben eine explorative Datenanalyse durchgeführt und Ihr Modell entwickelt. Bis jetzt sieht alles gut aus, aber wie können Sie sicher sein, dass Ihr Modell in der realen Welt funktioniert und optimale Ergebnisse liefert? In diesem Modul lernen Sie, wie Sie das tidymodels-Framework verwenden, um Ihr Modell zu bewerten. Tidymodels ist eine Sammlung von Paketen für die Modellierung und das maschinelle Lernen nach den Prinzipien von Tidyverse. Mithilfe dieser Pakete lernen Sie, wie Sie Ihre Modelle kreuzvalidieren, potenzielle Probleme wie Overfitting und Underfitting identifizieren und Overfitting-Probleme mit einer Technik namens Regularisierung behandeln. Sie lernen auch, wie Sie Ihre Modelle mit Hilfe der Gittersuche optimieren können.