/Data_Preprocessing_Operations_in_Python

In this section, you can see a summary of the operations related to data preprocessing in python.

Primary LanguageJupyter NotebookMIT LicenseMIT

Data Preprocessing Operations in Python

In this section, you can see a summary of the operations related to data preprocessing in python.

Aykırı Değer Problimini Çözmek

  • Tek Değişkenli Aykırı Gözlem Analizi

    1. Silmek

    2. Ortalama ile Doldurmak

    3. Baskılamak

  • Çok Değişkenli Aykırı Gözlem Analizi

    1. Silmek

    2. Baskılamak

Eksik Veri Analizi

  • Eksik Veri Yapısı için Hızlı Çözüm

    1. Silmek

    2. Değer Atamak

  • Eksik Veri Yapısının Görselleştirilmesi

  • Silme Yöntemleri

  • Değer Atamak Yöntemleri

    1. Sayısal Değişkenlerde Atama

    2. Kategorik Değişkenlerde Atama

  • Tahmine Dayalı Değer Atama Yöntemleri

    1. KNN

    2. EM

Standardizasyon ve Dönüşüm İşlemleri

  • Değişken Standardizasyonu

    1. Standardizasyon

    2. Normilazsyon

    3. Min-Max Dönüşümü

  • Değişken Dönüşümü

    1. Binarize Dönüşümü

    2. 0-1 Dönüşümü

    3. "1" ve diğerleri "0" dönüşümü

    4. Çok sınıflı dönüşüm

  • One-Hot Dönüşümü

  • Sürekli Değişkeni Kategorik Değişkene Çevirmek

  • Değişkeni İndexe, İndexi Değişkene Çevrimek

Advanced Data Preprocessing Operations in Python

In this section, you can see a summary of the operations related to advanced data preprocessing in python.

Outlier Analysis

  • Important Functions for Outliers

    1. Create a function to detect outliers

    2. Are there outliers in the desired columns(create function)?

    3. Creating a function to separate categorical and numerical variables

    4. Are there outliers in the dataframe(create function)?

    5. Outlier detection function

  • Univariate Outlier Analysis

    1. Remove Outliers

    2. Fill with Average Outliers

    3. Replace with Thresholds

  • Multivariate Outlier Analysis

    1. Remove Outliers

    2. Replace with Thresholds(not recommended)

Missing Data Analysis

  • Quick Solution for Missing Value

    1. Remove Outliers

    2. Assigning a Value

  • Predictive Methods

  • Show Missing Value on Plot

  • Analysis of Missing Values with Dependent Value

Encoding Scaling

  1. Label Encoder

  2. One Hot Encoding

  3. Rare Encoding

Feature Scaling

  1. StandardScaler

  2. RobustScaler

  3. MinMaxScaler

Feature Extraction

  1. Binary Features

  2. Text Features

  3. Regex Features

  4. Date Features

Feature Interaction

Feature Engineering and Data Preprocessing Application