What pre-processing is done to my data prior to training a model?

Kraken nécessite un ensemble de données qui est principalement prêt pour l'apprentissage automatique. Cependant, nous appliquons quelques étapes de prétraitement de base aux données avant de construire des modèles. 1. Imputation des valeurs nulles 2. Encodage des caractéristiques catégorielles (également connu sous le nom de création de "variables fictives") 3. Mise à l'échelle des caractéristiques, ou normalisation 4. Gestion de la forte corrélation d'un Conducteur avec la Métrique prédite ou corrélation entre les Conducteurs 5. Prendre des échantillons aléatoires des données et effectuer une validation croisée en cinq volets Toutes ces étapes de prétraitement sont effectuées en fonction de différents seuils définis dans notre pipeline. Les seuils peuvent être modifiés par nous au fur et à mesure que nous en apprenons davantage sur la précision des modèles que Kraken crée.