{"id":180207,"date":"2023-07-16T20:06:13","date_gmt":"2023-07-16T19:06:13","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=180207"},"modified":"2023-10-30T13:05:28","modified_gmt":"2023-10-30T12:05:28","slug":"variablen-scannen-fuer-deine-machine-learning-algorithmen","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen","title":{"rendered":"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"180207\" class=\"elementor elementor-180207\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-ae260d3 e-flex e-con-boxed e-con\" data-id=\"ae260d3\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4394cf1c elementor-widget elementor-widget-heading\" data-id=\"4394cf1c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h3 class=\"elementor-heading-title elementor-size-default\">Das war's! Der Datensatz ist bereinigt! Es gibt keine fehlenden Werte mehr, die Modellierungsentscheidungen wurden getroffen! Wir haben einige Variablen beibehalten und andere entfernt. Jetzt m\u00fcssen wir den letzten Schritt vor dem Einsatz von Machine-Learning-Algorithmen machen: die Variablen scannen bzw. sie an den Algorithmus anpassen.<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-5433cf8d e-flex e-con-boxed e-con\" data-id=\"5433cf8d\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-55ec19ed elementor-widget elementor-widget-text-editor\" data-id=\"55ec19ed\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p>Die meisten <a href=\"https:\/\/datascientest.com\/de\/top-5-der-branchen-die-machine-learning-als-wettbewerbsvorteil-nutzen\">Machine-Learning-Algorithmen<\/a> erlauben es nicht, andere als numerische Variablen zu verwenden: Abgesehen von Entscheidungsb\u00e4umen und ihren Ableitungen <a href=\"https:\/\/datascientest.com\/de\/random-forest-definition\">(Zufallsw\u00e4lder,<\/a> Gradient Boosting Tree usw.) beruhen die am h\u00e4ufigsten verwendeten Machine-Learning-Algorithmen auf der Berechnung von Abst\u00e4nden zwischen verschiedenen Beobachtungen.<br \/>In diesem Artikel besch\u00e4ftigen wir uns damit, wie man Daten f\u00fcr einen Machine-Learning-Algorithmus aufbereitet und wie man Variablen scannen kann.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-496421a4 e-flex e-con-boxed e-con\" data-id=\"496421a4\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-543c42a elementor-widget elementor-widget-heading\" data-id=\"543c42a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Variablen scannen - Eine quantitative Variable vorbereiten<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3e523e0f elementor-widget elementor-widget-text-editor\" data-id=\"3e523e0f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Wenn man Machine Learning betreibt, st\u00f6\u00dft man sehr schnell auf <a href=\"https:\/\/datascientest.com\/de\/quantitative-analyse-was-ist-das-und-wie-wird-lernt-man-es\">quantitative Variablen<\/a>: das Alter eines Kunden, der Preis eines Autos, die Fl\u00e4che eines Grundst\u00fccks&#8230;. Es gibt \u00fcbrigens letztendlich nur wenige Unterschiede zwischen einer diskreten und einer kontinuierlichen Variable: Die Transformationen, die wir an ihnen vornehmen, haben keinen Einfluss auf die <strong>Qualit\u00e4t der enthaltenen Informationen.<\/strong><\/p><p>Um eine quantitative Variable aufzubereiten, wird eine Standard- oder <strong>Min-Max-Normierung<\/strong> verwendet. Diese Normalisierung bringt die Werte in einen normalisierten Bereich: 0 bis 1 f\u00fcr Min-Max und -1 bis 1 f\u00fcr die meisten Daten f\u00fcr Standard.<\/p><p>Eine der Hauptfunktionen der Datennormalisierung ist die Verbesserung und Beschleunigung der <strong>Konvergenz von Algorithmen,<\/strong> die auf dem Gradientenabstieg basieren (SVMs,<a href=\"https:\/\/datascientest.com\/de\/logistische-regression-was-ist-das-denn\"> Regressionen&#8230;<\/a>), aber sie kann auch zu relevanteren Ergebnissen beim Clustering f\u00fchren: Im folgenden Beispiel werden Zufallsdaten erzeugt, wobei versucht wird, recht anschauliche Cluster und etwas ausrei\u00dferischere Daten zu definieren. Anschlie\u00dfend wird ein<a href=\"https:\/\/datascientest.com\/de\/was-ist-k-means\"><strong> KMeans<\/strong><\/a> mit oder ohne Normalisierung durchgef\u00fchrt:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-219c7cb2 elementor-widget elementor-widget-code-highlight\" data-id=\"219c7cb2\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>import numpy as np\r\nimport pandas as pd\r\nfrom sklearn.preprocessing import StandardScaler, MinMaxScaler\r\nfrom sklearn.cluster import KMeans\r\nimport matplotlib.pyplot as plt\r\n%matplotlib inline\r\na = np.random.normal(size=100)\r\na[:50] = a[:50] + 100\r\na[50] = a[50] + 60\r\na[51] = a[51] + 40\r\nb = np.random.normal(size=100)\r\nb[25:75] = b[25:75] + 10\r\nb[51] = b[51] - 10\r\ndf = pd.DataFrame({'a': a, 'b':b})\r\ndf_standard = df.copy(deep=True)\r\ndf_minmax = df.copy(deep=True)\r\ndf['cluster'] = KMeans(n_clusters=4).fit_predict(df)\r\ndf_standard[df_standard.columns] = StandardScaler().fit_transform(df_standard)\r\ndf_standard['cluster'] = KMeans(n_clusters=4).fit_predict(df_standard)\r\ndf_minmax[df_minmax.columns] = MinMaxScaler().fit_transform(df_minmax)\r\ndf_minmax['cluster'] = KMeans(n_clusters=4).fit_predict(df_minmax)\r\nfig, axes = plt.subplots(ncols=3, nrows=2, figsize=(15, 10))\r\naxes[0, 0].scatter(df['a'], df['b'], color='b', alpha=.5)\r\naxes[0, 1].scatter(df_standard['a'], df_standard['b'], color='b', alpha=.5)\r\naxes[0, 2].scatter(df_minmax['a'], df_minmax['b'], color='b', alpha=.5)\r\naxes[0, 0].set_title('No scaler')\r\naxes[0, 1].set_title('Standard scaler')\r\naxes[0, 2].set_title('MinMax scaler')\r\n<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3877b0d9 elementor-widget elementor-widget-text-editor\" data-id=\"3877b0d9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Du erh\u00e4ltst eine Abbildung, die der folgenden \u00e4hnlich ist:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5b0b0514 elementor-widget elementor-widget-image\" data-id=\"5b0b0514\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1080\" height=\"720\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image7.png\" class=\"attachment-full size-full wp-image-180210\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image7.png 1080w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image7-300x200.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image7-1024x683.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image7-768x512.png 768w\" sizes=\"(max-width: 1080px) 100vw, 1080px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7f7f74ec elementor-widget elementor-widget-text-editor\" data-id=\"7f7f74ec\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Man sieht, dass die <a href=\"https:\/\/datascientest.com\/de\/machine-learning-clustering\">gefundenen Cluster im Fall der Normalisierung logischer<\/a> sind als im Fall vor der Normalisierung.<\/p><p>Der Hauptunterschied zwischen der <strong>Standardnormalisierung und der Min-Max-Normalisierung<\/strong> liegt in den F\u00e4llen, in denen extreme Werte gefunden werden. Bei der Standardnormalisierung wird eine Normalverteilung der Variablen angenommen, um die Werte f\u00fcr die Mehrheit zwischen -1 und 1 zu reduzieren. Im folgenden Beispiel hat die Variable b einige extreme Werte. Es f\u00e4llt auf, dass die <strong>Normalisierung<\/strong> die Werte nicht auf dieses Intervall reduziert:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-195974a4 elementor-widget elementor-widget-code-highlight\" data-id=\"195974a4\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>a = np.random.normal(loc=0, scale=2, size=1000)\r\na[:500] = a[:500]\r\nb = a.copy()\r\nb[:20] = b[:20] + 10\r\ndf = pd.DataFrame({'a': a, 'b': b})\r\ndf_standard = df.copy(deep=True)\r\ndf_minmax = df.copy(deep=True)\r\ndf_standard[df_standard.columns] = StandardScaler().fit_transform(df_standard)\r\ndf_minmax[df_minmax.columns] = MinMaxScaler().fit_transform(df_minmax)\r\nfig, axes = plt.subplots(nrows=2, ncols=3, figsize=(20, 15))\r\naxes[0, 0].hist(df['a'], bins=100, color='b')\r\naxes[0, 1].hist(df_standard['a'], bins=100, color='r')\r\naxes[0, 2].hist(df_minmax['a'], bins=100, color='g')\r\naxes[0, 0].set_title('No scaler')\r\naxes[0, 1].set_title('Standard scaler')\r\naxes[0, 2].set_title('MinMax scaler')\r\naxes[0, 0].set_ylabel('a')\r\naxes[1, 0].set_ylabel('b')\r\naxes[1, 0].hist(df['b'], bins=100, color='b')<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3859b38b elementor-widget elementor-widget-text-editor\" data-id=\"3859b38b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Du erh\u00e4ltst eine Abbildung, die der folgenden \u00e4hnlich ist:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-33d883b5 elementor-widget elementor-widget-image\" data-id=\"33d883b5\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1440\" height=\"1080\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image4-1.png\" class=\"attachment-full size-full wp-image-180211\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image4-1.png 1440w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image4-1-300x225.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image4-1-1024x768.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image4-1-768x576.png 768w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3c94c6c1 elementor-widget elementor-widget-text-editor\" data-id=\"3c94c6c1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Diese <strong>Histogramme<\/strong> zeigen einen Bereich von -3 bis 6 f\u00fcr die Variable b, w\u00e4hrend der Bereich f\u00fcr a von -3 bis 3 reichte.<\/p><p>Nat\u00fcrlich haben wir in beiden F\u00e4llen absichtlich Ausrei\u00dfer hinzugef\u00fcgt, um den Effekt zu verst\u00e4rken. In einem <a href=\"https:\/\/datascientest.com\/de\/dendrogramm\">Data-Science-Projekt<\/a> w\u00e4ren diese Werte fr\u00fcher entfernt worden, aber diese Beispiele geben eine Vorstellung davon, was Normalisierung f\u00fcr quantitative Variablen leisten kann.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-41d2f557 e-flex e-con-boxed e-con\" data-id=\"41d2f557\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-4bb557ee elementor-widget elementor-widget-heading\" data-id=\"4bb557ee\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Eine qualitative Variable vorbereiten<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5ac98003 elementor-widget elementor-widget-text-editor\" data-id=\"5ac98003\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Es wurde bereits erw\u00e4hnt, aber <a href=\"https:\/\/datascientest.com\/de\/machine-learning-engineer-bootcamp-dein-karrieresprung\">Machine-Learning-Algorithmen<\/a> nehmen keine nicht-numerischen Variablen als Eingabe (zumindest nicht f\u00fcr Python und <a href=\"https:\/\/scikit-learn.org\/stable\/\">scikit-learn<\/a>). Daher m\u00fcssen diese Daten umgewandelt werden. Auch hier muss zwischen mehreren F\u00e4llen unterschieden werden.<\/p><p>Wenn es eine<strong> klare Hierarchie<\/strong> zwischen den verschiedenen Modalit\u00e4ten gibt, dann kann man wahrscheinlich auf eine quantitative Variable zur\u00fcckgreifen: Wenn zum Beispiel eine unserer Variablen eine Note von A bis F ist, dann muss man diese Noten auf Werte zwischen 0 und 20 zur\u00fcckf\u00fchren k\u00f6nnen, wobei F &lt; E &lt; D &lt; C &lt; B &lt; A ist. Bei Produkten, die auf einer <a href=\"https:\/\/datascientest.com\/de\/die-verwendung-von-data-science-im-e-commerce\">E-Commerce-Website<\/a> angeboten werden, k\u00f6nnte neu 20, gut 15, m\u00e4\u00dfig 10, besch\u00e4digt 7, &#8230; sein. In diesem Fall gen\u00fcgt es, auf den vorherigen Absatz zu verweisen.<\/p><p>Aber wenn es keine Hierarchie gibt, was ist dann das Problem, dieselbe Art von Signatur zu verwenden? Wenn ich z. B. einen<strong> Datensatz<\/strong> mit Automodellen betrachte und die Variable Farbe mit drei Modalit\u00e4ten (z. B. blau, rot und gr\u00fcn) habe: Wenn ich den Farben die Codes 0, 1 und 2 zuweise, dann erkenne ich, dass blau &lt; rot &lt; gr\u00fcn ist, was sehr fragw\u00fcrdig ist! Mathematisch gesehen w\u00fcrde dies bedeuten, dass Blau + Blau = Blau ist, was bis jetzt ziemlich richtig ist, aber auch, dass Blau + Rot = Rot ist, was langsam l\u00e4stig wird, und schlie\u00dflich, dass Rot + Rot = Gr\u00fcn ist, was nur bei Farbenblindheit zutrifft!<\/p><p>Ein weiteres Problem ist, dass der Unterschied zwischen Blau und Gr\u00fcn doppelt so gro\u00df ist wie zwischen Blau und Gr\u00fcn, was wiederum fragw\u00fcrdig ist.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-251c9a74 elementor-widget elementor-widget-code-highlight\" data-id=\"251c9a74\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>df = pd.DataFrame({'couleur': ['bleu', 'rouge', 'vert']})\r\n# encoder avec 0, 1, 2\r\ncode = {'bleu': 0, 'rouge': 1, 'vert': 2}\r\ndf_1 = df.copy(deep=True)\r\ndf_1['couleur'] = df_1['couleur'].apply(lambda c: code.get(c))\r\nprint(df_1.head())\r\nfrom scipy.spatial import distance_matrix\r\nimport seaborn as sns\r\nprint('\\nMatrices de distance')\r\nplt.figure(figsize=(20, 20))\r\nsns.heatmap(distance_matrix(df_1, df_1), annot=True)\r\nplt.show()<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2621a08a elementor-widget elementor-widget-text-editor\" data-id=\"2621a08a\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>In diesem <strong>Beispiel wird deutlich, dass der Abstand<\/strong> zwischen den Beobachtungen, die den Farben blau und gr\u00fcn entsprechen, gr\u00f6\u00dfer ist als zwischen den Beobachtungen, die den Farben blau und rot oder rot und gr\u00fcn entsprechen.<\/p><p>Statt einer Variable haben wir drei Variablen mit jeweils 0 und 1: In der roten Spalte sind nur die Beobachtungen, die roten Fahrzeugen entsprechen, 1&#8230;<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-400b547a elementor-widget elementor-widget-code-highlight\" data-id=\"400b547a\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>df_2 = df.copy(deep=True)\r\ndf_2 = pd.get_dummies(df_2)\r\nprint(df_2.head())\r\nprint('\\nMatrices de distance')\r\nplt.figure(figsize=(20, 20))\r\nsns.heatmap(distance_matrix(df_2, df_2), annot=True)\r\nplt.show()<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-63b1e827 elementor-widget elementor-widget-image\" data-id=\"63b1e827\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1440\" height=\"1440\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image5-1.png\" class=\"attachment-full size-full wp-image-180212\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image5-1.png 1440w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image5-1-300x300.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image5-1-1024x1024.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image5-1-150x150.png 150w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image5-1-768x768.png 768w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5edd5f7 elementor-widget elementor-widget-text-editor\" data-id=\"5edd5f7\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Es gibt jedoch einen Punkt, auf den wir in dieser Geschichte zur\u00fcckkommen m\u00fcssen: Wenn wir so viele<strong> Spalten wie Modalit\u00e4ten<\/strong> nehmen, dann ist die Information in meinem Datensatz redundant. Wir k\u00f6nnen also auf eine dieser Modalit\u00e4ten verzichten, da sie von den anderen Modalit\u00e4ten impliziert wird, die dann alle null sind: Diese Technik erm\u00f6glicht es, den Datensatz zu verschlanken, aber vor allem eine Variable zu entfernen, die zu stark mit den anderen korreliert ist: Wenn es viele Modalit\u00e4ten gibt, dann werden die meisten <strong>Indikatoren dieser Variablen f\u00fcr viele Beobachtungen<\/strong> null sein und sie werden gleichzeitig null sein.<\/p><p>Es gibt jedoch noch eine Kategorie, die wir erw\u00e4hnen m\u00fcssen: zirkul\u00e4re Variablen.<\/p><p>\u00a0<\/p><p>\ud83d\udca1Auch interessant:<\/p><table dir=\"ltr\" border=\"1\" cellspacing=\"0\" cellpadding=\"0\"><colgroup><col width=\"426\" \/><\/colgroup><tbody><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Machine Learning Clustering: CAH Algorithmus&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/machine-learning-clustering-fokus-auf-den-cah-algorithmus\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/machine-learning-clustering-fokus-auf-den-cah-algorithmus\" target=\"_blank\" rel=\"noopener\">Machine Learning Clustering: CAH Algorithmus<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Deep Learning vs. Machine Learning&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/deep-learning-vs-machine-learning\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/deep-learning-vs-machine-learning\" target=\"_blank\" rel=\"noopener\">Deep Learning vs. Machine Learning<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Data Poisoning&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/data-poisoning-eine-bedrohung-fuer-machine-learning-modelle\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/data-poisoning-eine-bedrohung-fuer-machine-learning-modelle\" target=\"_blank\" rel=\"noopener\">Data Poisoning<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Machine Learning Data Sets Top 5&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/machine-learning-data-sets-top-5-websites\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/machine-learning-data-sets-top-5-websites\" target=\"_blank\" rel=\"noopener\">Machine Learning Data Sets Top 5<\/a><\/td><\/tr><tr><td data-sheets-value=\"{&quot;1&quot;:2,&quot;2&quot;:&quot;Die Top 3 Machine Learning Algorithmen&quot;}\" data-sheets-hyperlink=\"https:\/\/datascientest.com\/de\/3-machine-learning-algorithmen-fuer-deinen-job\"><a class=\"in-cell-link\" href=\"https:\/\/datascientest.com\/de\/3-machine-learning-algorithmen-fuer-deinen-job\" target=\"_blank\" rel=\"noopener\">Die Top 3 Machine Learning Algorithmen<\/a><\/td><\/tr><\/tbody><\/table>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-25e3dc2c e-flex e-con-boxed e-con\" data-id=\"25e3dc2c\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-67667a4e elementor-widget elementor-widget-heading\" data-id=\"67667a4e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Eine zirkul\u00e4re Variable vorbereiten<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1cfd12ce elementor-widget elementor-widget-text-editor\" data-id=\"1cfd12ce\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Eine zirkul\u00e4re Variable ist eine quantitative oder qualitative Variable, die in sich geschlossen ist: die Monate des Jahres, die Tageszeit, die Jahreszeiten, das Lebensstadium eines Produkts, das unendlich oft recycelt werden kann, &#8230; Das Besondere an diesen Variablen ist, dass man eine Hierarchie zwischen den verschiedenen Werten definieren kann, dass diese Hierarchie aber zirkul\u00e4r ist: 1 Uhr morgens w\u00e4re gr\u00f6\u00dfer als 0 Uhr, genauso wie 0 Uhr gr\u00f6\u00dfer als 23 Uhr w\u00e4re; ebenso w\u00e4re Fr\u00fchling &lt; Sommer &lt; Herbst &lt; Winter &lt; Fr\u00fchling &lt; &#8230;<\/p><p>Du musst also einen Weg finden, diese Daten zu kodieren, ohne dabei zu viel Sinn zu verlieren. Bisher werden diese Daten als Zahlen von 0 bis 23 dargestellt.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5bf33c3a elementor-widget elementor-widget-code-highlight\" data-id=\"5bf33c3a\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>df = pd.DataFrame({'heure': [i for i in range(24)]})\r\nprint(df.head())<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-62bf7a39 elementor-widget elementor-widget-text-editor\" data-id=\"62bf7a39\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Wenn wir dieses Format beibehalten, haben wir die Distanz zwischen 23:00 und 0:00 Uhr, die 23 Mal so gro\u00df ist wie die <strong>Distanz zwischen 0:00 und 1:00 Uhr.<\/strong> Im Gegenteil, das Verhalten einer Person um 23 Uhr, um Mitternacht oder um 1 Uhr morgens ist sehr \u00e4hnlich.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-23a7aca7 elementor-widget elementor-widget-code-highlight\" data-id=\"23a7aca7\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>plt.figure(figsize=(20, 20))\r\nsns.heatmap(distance_matrix(df, df), annot=True)\r\nplt.show()<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-61b2ea63 elementor-widget elementor-widget-image\" data-id=\"61b2ea63\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1440\" height=\"1440\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image6-3.png\" class=\"attachment-full size-full wp-image-180213\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image6-3.png 1440w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image6-3-300x300.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image6-3-1024x1024.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image6-3-150x150.png 150w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image6-3-768x768.png 768w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-62c8fa63 elementor-widget elementor-widget-text-editor\" data-id=\"62c8fa63\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Was ist mit der <strong>Binarisierung<\/strong>? Diesmal haben wir nicht mehr das gleiche Problem. Der Abstand zwischen Mitternacht und 1 Uhr ist derselbe wie zwischen 23 Uhr und Mitternacht.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5136a295 elementor-widget elementor-widget-code-highlight\" data-id=\"5136a295\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>df_2 = df.copy(deep=True)\r\ndf_2 = pd.get_dummies(df_2, columns=['heure'])\r\nprint(df_2.head())\r\nplt.figure(figsize=(20, 20))\r\nsns.heatmap(distance_matrix(df_2, df_2), annot=True)\r\nplt.show()<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-3e56e189 elementor-widget elementor-widget-image\" data-id=\"3e56e189\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1440\" height=\"1440\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image3-1.png\" class=\"attachment-full size-full wp-image-180214\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image3-1.png 1440w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image3-1-300x300.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image3-1-1024x1024.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image3-1-150x150.png 150w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image3-1-768x768.png 768w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5f154e0e elementor-widget elementor-widget-text-editor\" data-id=\"5f154e0e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Tats\u00e4chlich sind die Abst\u00e4nde zwischen allen Stunden gleich&#8230; Der Abstand zwischen Mitternacht und 1 Uhr ist genauso gro\u00df wie zwischen<strong> Mitternacht und Mittag&#8230;<\/strong> Aber auch das ist nicht gut.<\/p><p>Es muss also eine andere L\u00f6sung gefunden werden. Diese andere L\u00f6sung kommt aus der Trigonometrie. Wir behalten nicht die absoluten Werte, sondern nehmen einfach den Kosinus und den Sinus dieser Werte:<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1456fe4a elementor-widget elementor-widget-code-highlight\" data-id=\"1456fe4a\" data-element_type=\"widget\" data-widget_type=\"code-highlight.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"prismjs-twilight copy-to-clipboard \">\n\t\t\t<pre data-line=\"\" class=\"highlight-height language-javascript line-numbers\">\n\t\t\t\t<code readonly=\"true\" class=\"language-javascript\">\n\t\t\t\t\t<xmp>df_3 = df.copy(deep=True)\r\ndf_3['sin_heure'] = df_3['heure'].apply(lambda h: np.sin(2 * np.pi * h \/ 24))\r\ndf_3['cos_heure'] = df_3['heure'].apply(lambda h: np.cos(2 * np.pi * h \/ 24))\r\ndf_3.drop(['heure'], axis=1, inplace=True)\r\nplt.figure(figsize=(20, 20))\r\nsns.heatmap(distance_matrix(df_3, df_3), annot=True)\r\nplt.show()<\/xmp>\n\t\t\t\t<\/code>\n\t\t\t<\/pre>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-84e87f9 elementor-widget elementor-widget-image\" data-id=\"84e87f9\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1440\" height=\"1440\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image2-1.png\" class=\"attachment-full size-full wp-image-180215\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image2-1.png 1440w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image2-1-300x300.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image2-1-1024x1024.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image2-1-150x150.png 150w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image2-1-768x768.png 768w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-24b912ef elementor-widget elementor-widget-text-editor\" data-id=\"24b912ef\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400;\">Die Entfernungen sind viel nuancierter! Du kannst die Punkte sogar in einer Ebene darstellen, um zu sehen, dass wir gerade die Uhr neu erfunden haben:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2031af2a elementor-widget elementor-widget-image\" data-id=\"2031af2a\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t<figure class=\"wp-caption\">\n\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"1440\" height=\"1440\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image1.png\" class=\"attachment-full size-full wp-image-180216\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/07\/image1.png 1440w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image1-300x300.png 300w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image1-1024x1024.png 1024w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image1-150x150.png 150w, https:\/\/datascientest.com\/de\/files\/2023\/07\/image1-768x768.png 768w\" sizes=\"(max-width: 1440px) 100vw, 1440px\" \/>\t\t\t\t\t\t\t\t\t\t\t<figcaption class=\"widget-image-caption wp-caption-text\"><\/figcaption>\n\t\t\t\t\t\t\t\t\t\t<\/figure>\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-22e402e3 e-flex e-con-boxed e-con\" data-id=\"22e402e3\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-22575c8c elementor-widget elementor-widget-heading\" data-id=\"22575c8c\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Fazit<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-51be2ac0 elementor-widget elementor-widget-text-editor\" data-id=\"51be2ac0\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Dieser Schritt des<strong> Aufbaus und der Vorbereitung der Variablen<\/strong> unmittelbar vor dem Training eines Machine-Learning-<a href=\"https:\/\/datascientest.com\/de\/der-knn-algorithmus-einfach-erklart\">Algorithmus<\/a> ist entscheidend, da er sowohl die Algorithmen beschleunigt als auch die Ergebnisse verbessert. Die Techniken sind f\u00fcr die verschiedenen Variablentypen unterschiedlich, aber du solltest sie im Hinterkopf behalten, um vor der Anwendung der Algorithmen einen guten Start zu haben.<\/p><p>M\u00f6chtest du mehr dar\u00fcber erfahren? Nimm an einer unserer n\u00e4chsten Schulungen im Bootcamp- oder fortlaufenden Format teil.<\/p><p>Kontaktiere uns unter contact@datascientest.com oder auf Linkedin auf der DataScientest-Seite!<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-f2705e6 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"f2705e6\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecke unsere Weiterbildungen<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Das war&#8217;s! Der Datensatz ist bereinigt! Es gibt keine fehlenden Werte mehr, die Modellierungsentscheidungen wurden getroffen! Wir haben einige Variablen beibehalten und andere entfernt. Jetzt m\u00fcssen wir den letzten Schritt vor dem Einsatz von Machine-Learning-Algorithmen machen: die Variablen scannen bzw. sie an den Algorithmus anpassen. Die meisten Machine-Learning-Algorithmen erlauben es nicht, andere als numerische Variablen [&hellip;]<\/p>\n","protected":false},"author":67,"featured_media":180208,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen<\/title>\n<meta name=\"description\" content=\"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen kannst du indem du deine Tools wie etwa .... darauf ...\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen\" \/>\n<meta property=\"og:description\" content=\"Das war&#039;s! Der Datensatz ist bereinigt! Es gibt keine fehlenden Werte mehr, die Modellierungsentscheidungen wurden getroffen! Wir haben einige Variablen\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-07-16T19:06:13+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T12:05:28+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/07\/variablen-scannen.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1200\" \/>\n\t<meta property=\"og:image:height\" content=\"600\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Melanie\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Melanie\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen\"},\"author\":{\"name\":\"Melanie\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\"},\"headline\":\"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen\",\"datePublished\":\"2023-07-16T19:06:13+00:00\",\"dateModified\":\"2023-10-30T12:05:28+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen\"},\"wordCount\":1282,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen\",\"url\":\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen\",\"name\":\"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-07-16T19:06:13+00:00\",\"dateModified\":\"2023-10-30T12:05:28+00:00\",\"description\":\"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen kannst du indem du deine Tools wie etwa .... darauf ...\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d\",\"name\":\"Melanie\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g\",\"caption\":\"Melanie\"},\"url\":\"https:\/\/datascientest.com\/de\/author\/melaniekrause\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen","description":"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen kannst du indem du deine Tools wie etwa .... darauf ...","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen","og_locale":"de_DE","og_type":"article","og_title":"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen","og_description":"Das war's! Der Datensatz ist bereinigt! Es gibt keine fehlenden Werte mehr, die Modellierungsentscheidungen wurden getroffen! Wir haben einige Variablen","og_url":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-07-16T19:06:13+00:00","article_modified_time":"2023-10-30T12:05:28+00:00","og_image":[{"width":1200,"height":600,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/07\/variablen-scannen.png","type":"image\/png"}],"author":"Melanie","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Melanie","Gesch\u00e4tzte Lesezeit":"8 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen"},"author":{"name":"Melanie","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d"},"headline":"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen","datePublished":"2023-07-16T19:06:13+00:00","dateModified":"2023-10-30T12:05:28+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen"},"wordCount":1282,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen","url":"https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen","name":"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-07-16T19:06:13+00:00","dateModified":"2023-10-30T12:05:28+00:00","description":"Variablen scannen f\u00fcr deine Machine-Learning-Algorithmen kannst du indem du deine Tools wie etwa .... darauf ...","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/variablen-scannen-fuer-deine-machine-learning-algorithmen"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/19d5f7ade9407eb69af3bf6d1ae1731d","name":"Melanie","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/8d3d660a0698de06f13ecf4823519da1?s=96&d=mm&r=g","caption":"Melanie"},"url":"https:\/\/datascientest.com\/de\/author\/melaniekrause"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/180207"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/67"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=180207"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/180207\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/180208"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=180207"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=180207"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=180207"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}