Je dataset voorbereiden op machine learning met Datalore How to Prepare Your Dataset for Machine Learning With Datalore

Heb je ooit meegemaakt dat je machinelearningmodellen maar geen goede voorspellingen wilden doen, welk algoritme je ook probeerde? Dan ben je niet de enige! De helft van het werk voor een goed presterend model zit in het verzamelen van de juiste data, en er zijn veel manieren waarop het voorbereiden van data voor machine learning mis kan gaan. In deze video laat Dr. Jodie Burchell, developer advocate voor data science, vijf veelvoorkomende valkuilen zien bij het voorbereiden van data voor machine learning, en hoe je die herkent en oplost met Datalore, ons platform voor samenwerken aan data science. 00:00 - Introductie 00:48 - Is je data schoon? 02:03 - Wat meet je data eigenlijk? 04:02 - Is je dataset representatief? 05:11 - Zijn je variabelen in balans? 07:11 - Wat zijn de echte prestaties van je model? 08:25 - Samenvatting Meer weten over dit onderwerp? Blogpost: https://blog.jetbrains.com/datalore/2022/11/08/how-to-prepare-your-dataset-for-machine-learning-and-analysis/ Conferentietalk: https://www.youtube.com/watch?v=9EI_lqPUVEE Notebook uit deze video: https://datalore.jetbrains.com/view/notebook/VYB6M009mR31E70kHvqruH Jodie op Twitter: https://twitter.com/t_redactyl Datalore uitproberen? Website: https://www.jetbrains.com/datalore Blog: https://blog.jetbrains.com/datalore Datalore op Twitter: https://twitter.com/datalore

Have you ever had an experience where you just couldn’t get your machine learning models to make good predictions, no matter what algorithm you tried? If so, you’re not alone! Half the work of making a well-performing model is in getting the right data, and there are many ways in which machine learning data preparation can go wrong. In this video, Dr. Jodie Burchell, data science developer advocate, shows you five common pitfalls that you can encounter when preparing data for machine learning and how to spot and fix them using Datalore, our collaborative data science platform. 00:00 - Introduction 00:48 - Is your data clean? 02:03 - What is your data actually measuring? 04:02 - Is your dataset representative? 05:11 - Are your variables balanced? 07:11 - What is your model’s true performance? 08:25 - Summing up Want to find out more about this topic? Blogpost: https://blog.jetbrains.com/datalore/2022/11/08/how-to-prepare-your-dataset-for-machine-learning-and-analysis/ Conference talk: https://www.youtube.com/watch?v=9EI_lqPUVEE Notebook used in this video: https://datalore.jetbrains.com/view/notebook/VYB6M009mR31E70kHvqruH Jodie’s twitter: https://twitter.com/t_redactyl Want to try out Datalore? Website: https://www.jetbrains.com/datalore Blog: https://blog.jetbrains.com/datalore Datalore twitter: https://twitter.com/datalore