November 2017
Intermediate to advanced
328 pages
6h 51m
Japanese
Content preview from 入門 PySpark ―PythonとJupyterで活用するSpark 2エコシステム
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.
4
章 データのモデリングの準備
55
4
章
データのモデリングの 準 備
信じられないかもしれませんが、それがどこから来たものであれ、データは汚れているものです。同
僚からもらったデータでも、環境をモニタリングするテレメトリーシステムからのデータでも、Webか
らダウンロードしたデータでも、あるいはその他いかなるデータであってもです。データがクリーンな
状態にあることを自分自身でテストして確認するまでは（クリーンな状態の意味はこのあとすぐに説明
します）、データを信じたり、モデル化のためにデータを使ったりするべきではありません。
データには重複があったり、計測値の欠落や外れ値、実在しない住所、間違った電話番号や住所、不
正確な座標、間違った日付、不正確なラベル、大文字／小文字の混在、末尾の余分な空白、あるいはそ
の他多くの微妙な問題が含まれていることがあります。あなたの仕事がデータサイエンティストであれ
データエンジニアであれ、そういったデータはクリーニングしなければなりません。そしてそのために
は、統計的なモデルや機械学習のモデルを構築するという方法があります。
上記のような問題がなければ、技術的にはデータセットはクリーンだと考えられます。とはいえ、デー
タセットをモデリングのためにクリーニングするのであれば、特徴量の分布を確認し、それらが事前に
定義された範囲に収まっていることを確認する必要があります。
データサイエンティストであれば、自分の時間の 80% から 90%はデータをマッサージし、その
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access
More than 5,000 organizations count on O’Reilly
O’Reilly covers everything we've got, with content to help us build a world-class technology community, upgrade the capabilities and competencies of our teams, and improve overall team performance as well as their engagement.Julian F.
I wanted to learn C and C++, but it didn't click for me until I picked up an O'Reilly book. When I went on the O’Reilly platform, I was astonished to find all the books there, plus live events and sandboxes so you could play around with the technology.Addison B.
I’ve been on the O’Reilly platform for more than eight years. I use a couple of learning platforms, but I'm on O'Reilly more than anybody else. When you're there, you start learning. I'm never disappointed.Amir M.
I'm always learning. So when I got on to O'Reilly, I was like a kid in a candy store. There are playlists. There are answers. There's on-demand training. It's worth its weight in gold, in terms of what it allows me to do.