雖然這篇Mlbox鄉民發文沒有被收入到精華區：在Mlbox這個話題中，我們另外找到其它相關的精選爆讚文章
在 mlbox產品中有1篇Facebook貼文，粉絲數超過6,329的網紅工研院巨量資訊科技中心 - ITRI，也在其Facebook貼文中提到， AI的未來？你不能不認識的人工智慧與資料科學自動化技術—AutoML(2/10) 一、資料前處理（Data Pre-processing） 資料前處理是機器學習過程中的重要步驟。資料收集方法通常比較寬鬆、缺乏控制，導致收集到的值超出範圍或不合邏輯（例如，收入出現-100），不可能的資料組合（例如，「...
同時也有10000部Youtube影片，追蹤數超過2,910的網紅コバにゃんチャンネル，也在其Youtube影片中提到，...
-
mlbox 在 コバにゃんチャンネル Youtube 的最佳貼文
2021-10-01 05:19:08![post-title]()
-
mlbox 在 大象中醫 Youtube 的最佳貼文
2021-10-01 05:10:45![post-title]()
-
mlbox 在 大象中醫 Youtube 的最佳貼文
2021-10-01 05:09:56![post-title]()
mlbox 在 工研院巨量資訊科技中心 - ITRI Facebook 的最讚貼文
AI的未來？你不能不認識的人工智慧與資料科學自動化技術—AutoML(2/10)
一、資料前處理（Data Pre-processing）
資料前處理是機器學習過程中的重要步驟。資料收集方法通常比較寬鬆、缺乏控制，導致收集到的值超出範圍或不合邏輯（例如，收入出現-100），不可能的資料組合（例如，「性別：男性」加上「懷孕：是」的組合）以及缺失值（missing value）等。未經仔細篩選此類問題可能會產生誤導性結果。因此，在進行分析之前，資料的表示形式和品質是首要確認的目標。一般來說，資料前處理是機器學習項目中最重要的階段。
如果存在大量不相關和多餘的訊息，或者存在噪音（noisy）且不可靠的資料，則在訓練階段發現知識將變得更加困難。資料準備和過濾的步驟可能會花費大量的處理時間。資料前處理包括清理（cleaning）、實例選擇（instance selection）、標準化（normalization）、轉換（transformation）、特徵提取和選擇（feature extraction and selection）等。資料前處理的產出是最終的訓練集。MLBox（machine learning box）AutoML套件就提供了許多資料前處理的功能，甚至提供具高穩健性的特徵選擇與資料洩漏（data leakage，意旨資料特徵與預測目標之因果關係的瑕疵，導致得到非常好的預測結果）偵測功能。