Ын Анналин, Су Кеннет

1
Об основах 
без лишних слов

---

Чтобы разобраться с тем, как работают алгоритмы Data 
Science, мы должны начать с основ. Эта глава книги самая 
длинная. Она вдвое больше остальных, которые останав-
ливаются на каждом алгоритме подробнее. Тем не менее 
здесь вы найдете обстоятельный обзор основных шагов 
почти любого исследования с применением Data Science. 
Эти основные приемы помогут определиться с выбором 
алгоритмов в соответствии с контекстом и условиями 
исследования.
Такое исследование включает четыре ключевых шага. 
Сначала обрабатываются и подготавливаются данные. 
Потом составляется краткий перечень соответствую-
щих исследованию алгоритмов. Затем для улучшения 
результатов настраиваются параметры этих алгоритмов. 
И наконец, строятся модели для выбора лучшей из них.
1.1. Подготовка данных
В Data Science главную роль играют сами данные. Если 
качество данных низкое, то результаты даже самого изо-
щренного анализа окажутся не ахти какими. В этом раз-
деле мы рассмотрим типичный формат данных, использу-

---

1.1. Подготовка данных
23
емый для анализа, и методы их обработки для улучшения 
результатов.
Формат данных
Обычно для анализа данных используют табличное пред-
ставление (табл. 1). Каждая строка представляет собой 
элемент данных с описанием отдельного наблюдения, 
а каждый столбец несет переменную для его описания. 
Переменные также называются атрибутами, признаками 
или размерностями.
Таблица 1. Вымышленный набор данных о продуктовых 
покупках животных в магазине. Строки — это покупки,
а столбцы — информация о них
ID
транзакции
Покупатель
Даты
Куплено
фруктов
Куплена
рыба
Потрачено
1
Пингвин
1 янв.
1
да
5,30 $
2
Медведь
1 янв.
4
да
9,70 $
3
Кролик
1 янв.
6
нет
6,50 $
4
Лошадь
2 янв.
6
нет
5,50 $
5
Пингвин
2 янв.
2
да
6,00 $
6
Жираф
3 янв.
5
нет
4,80 $
7
Кролик
3 янв.
8
нет
7,60 $
8
Кот
3 янв.
?
да
7,40 $
Элементы 
данны
х
Переменные
В зависимости от цели можно изменить представленный 
в строках тип наблюдений. Например, выборка в табл. 1 

---