Почему хорошие данные внезапно дают плохой прогноз

Исходные данные почти никогда не выглядят так, как в учебных примерах: где-то пропущены значения или появились дубликаты, а несколько выбросов могут заметно исказить результат. Если передать такие данные в модель напрямую, прогнозы будут ненадёжными, каким бы хорошим ни был алгоритм. В этом коротком видео разбираем, как находить типичные проблемы в данных, что с ними делать и как подготовить датасет к анализу и обучению модели.
Преподаватель: Мария Тихонова, лидер Research кластера в Сбер, ВШЭ.

Посмотреть полную запись открытого урока курса «Подготовка данных в Pandas» можно здесь.

• Если вы хотите освоить машинное обучение, приходите на следующий бесплатный урок «Настройка виртуального окружения — уверенный старт в мире Python и ML». Встречаемся сегодня, 15 сентября в 20:00 по Мск.

________
🔹Подпишитесь на OTUS в MAX
🔹Подпишитесь на OTUS ВКонтакте