Giovanni Pace
Puliamo e trasformiamo i dati con i Transforms di ML.NET nel progetto 'Bus': gestione dei valori mancanti con ReplaceMissingValues, custom mapping per colonne derivate e one-hot encoding per le variabili categoriche.
In questo video impari a preparare i dati per il tuo modello ML.NET con tecniche fondamentali di pulizia e trasformazione. Partiamo dal setup del progetto 'Bus', per poi applicare: - Rimozione o gestione di valori mancanti e anomalie - Selezione, concatenazione e drop di colonne - Normalizzazione (MinMax, Lp‑Norm), encoding di categorie e text featurization Ciascuna trasformazione viene spiegata con esempi pratici e applichiamo direttamente il modelli all'interno del progetto 'Bus', in C#. Utilizziamo i data transformers di ML.NET per portare i dati al formato giusto prima dell'addestramento In questo episodio: - Definizione e configurazione del progetto 'Bus' - Come usare IDataView e Transforms per preparare i dati - Creazione di una pipeline di preprocessing robusta - Esempi pratici di trasformazioni su colonne e normalizzazione 👨
Tecnologie usate: C#, ML.NET (Microsoft.ML), pipeline di transforms