Lecture 11: Data Features in Data Scieence

Nafees AI Lab

In the context of data science and machine learning, "data features" refer to individual, measurable properties or characteristics of a dataset. These features are the variables used to describe or analyze the data and are crucial for building and training models.

Transcript

00:00So next is our features.

00:07When we have data, we need to know which features are available.

00:17Imagine that we have a table.

00:21There are some columns available in this table.

00:25There are some information available in this table.

00:28The first column is ID.

00:30The second column is weight.

00:33Let's call this sex.

00:35This is heart rate.

00:37HR is called.

00:39Let's say prediction.

00:43Let's say disease predict.

00:46D-E-S-E-S-E.

00:48Let's say hepatitis.

00:53Just an imaginary case.

00:55So I can fill it.

00:58Okay.

00:59So I have a hypothetical table.

01:01If we have a patient data,

01:03we have a patient data.

01:05The column is ID.

01:07The weight is, sex is, heart rate.

01:11The heart rate is.

01:12And the other features are available.

01:16You must be aware of that these features are available.

01:20These three columns are called features.

01:22These three columns are called features.

01:26And when I say features,

01:28it is variable.

01:29We can say features variable.

01:30We can say features variable.

01:32so this variable is variable.

01:34So this is the most column what you see here.

01:36So that tells you that we haveindustrie variable,

01:39this is the last column which says the following name.

01:41That Dol αποost column that says the target variable means.

01:43This is the same Lily-E-S-E-E.

01:44So this is why tells you our target variable.

01:47It says so they COSTA aren't advising.

01:49So this is the target variable.

01:51The two things that you can see here,

01:53have seen, one is feature variable, the other is target variable, target variable

01:57which is what we have to predict.

02:01Now, we have more information on feature variable

02:05extract. Now, feature variable, if you look at

02:09feature variable, if you look at two features exist.

02:13One feature is basically

02:17numeric, number, and another feature is

02:21which is basically categorical feature.

02:25So, feature again, further, we have two categories.

02:29The first is numeric, numeric,

02:33and the second is categorical.

02:37There are two categories, numeric and categorical.

02:41Now, the data that you have to do

02:45basically, you can expand the data

02:49depending upon the existing information.

02:53Now, when you modify it,

02:57for example, you can see that

02:59I have seen that

03:01I have seen that

03:03I have seen that

03:05data,

03:07which is the one, two, three,

03:09which is the one,

03:11which is the one,

03:13which is the one,

03:15which is the one,

03:17which is the one,

03:19which is the one.

03:21So,

03:31if I can predict that,

03:33then I have seen the same type of

03:35data again,

03:37which is the one,

03:39is feature

03:40which you have

03:41basically

03:41existing data

03:43extract

03:44is called

03:45derived

03:46feature

03:47f e a

03:47t u r e

03:48feature

03:49derived

03:50feature

03:51okay

03:52now

03:53we have

03:541, 2, 3, 4

03:56and 5

03:57nominclature

03:58definition

03:59basic

04:00feature

04:01variable

04:02which is

04:02target

04:03variable

04:04which is

04:04feature

04:05variable

04:06which is

04:06numeric

04:07and

04:07ketaguerical

04:07which is

04:09feature

04:10which is

04:11feature

04:12which is

04:14the

04:15which is

04:16which is

04:18feature

04:18drive

04:19or

04:20you have

04:21let's say

04:22something

04:22or feature

04:23that is

04:24available

04:24but

04:25you have

04:25sufficient

04:26information

04:26and

04:27you have

04:27not

04:28that you have

04:30this

04:31silver

04:32plate

04:32and

04:32you have

04:33data

04:34that you have

04:35and

04:35you have

04:36algorithm ڈالیں اور minute کے اندر آپ کو prediction مل جائے گی جتنا

04:42بھی messy data possible ہو سکتا ہے وہ آپ کو ملے گا تو اکثر یہ

04:46ہوگا کہ جو information ہوگی وہ available نہیں ہوگی اب imagine

04:51کریں کہ یہاں پہ آپ کے پاس صرف ایک column ہے ٹھیک ہے جس کے اندر

04:56smoking کی information available ہے باقی دو column باقی دو patient کی

05:00نہیں ہے ٹھیک ہے تو اب اس کا مطلب یہ ہے کہ کیا اب یہ

05:05drive feature اس کے اندر exist کرنا چاہیے کیونکہ information

05:08sufficient ہے ہی نہیں تو یہ کیا criteria ہونا چاہیے basically

05:12normal ہے 10% of the sample کو ہونا چاہیے ان کے پاس وہ feature

05:17available ہونا مثال 100 بندوق اگر آپ 100 patient کا data deal

05:20کر رہے ہیں تو at least at least 10 information اب جب آپ اس کو

05:27modify کرتے ہیں مثال کے طور پہ اب ذرا آپ نے غور کرنا ہے کہ

05:31میں اس طرح کرتا ہوں کہ میں نے دیکھا کہ اچھا میرے پاس جو

05:35یہ جو ساری files آئیں data کی id 1,2,3

05:38اس کے اوپر کس کس نے let's say cigarette پی یا کس کس

05:43نے smoking کی یا نہیں کی اس کا بھی data available تھا

05:46تو میں کہتا ہوں یار یہ تو information بہت ہی important

05:49information ہے اس کو تو add کرنا چاہیے مجھے اگر میں let's say

05:54وہ hepatitis predict کرنا چاہتا ہوں تو آپ کیا کہتے ہیں کہ

05:57یار smoke کا میں column بنا دیتا ہوں اور smoke میں میں کہہ دیتا ہوں

06:02ہاں اس میں yes یہ smoking کرتا ہے یہ نہیں کرتا اور again یہ

06:07بھی smoking کرتا ہے ٹھیک ہے make sense

06:10اب اس feature کو جو کہ آپ نے basically existing data میں سے extract کیا

06:16اس کو کہتے ہیں derived feature

06:19data میں سے extract کیا اس کو کہتے ہیں derived feature

06:24f-e-a-t-u-r feature

06:26derived feature

06:29ٹھیک ہوگی بعد

06:30اچھا اب تک ہم نے ایک دو

06:32تین چار اور پانچ

06:34nomenclature یوں سمجھئے definition basic کو دیکھا

06:38feature variable کیا ہوتا ہے اس کے بعد target variable کیا ہوتا ہے

06:42feature variable کے اندر numeric اور ketaguerical ہوتے ہیں

06:45اور پھر جو feature آپ خود سے بناتے ہیں اس کو کیا کہتے ہیں drive feature

06:49کہتے ہیں صحیح ہوگی بات excellent

06:51اب اکثر ایسے ہوتا ہے

06:54کہ جو آپ feature drive کرتے ہیں

06:57یا پھر آپ کے پاس let's say

06:59کوئی اور feature آپ کے پاس available ہے

07:02لیکن اس کے اندر sufficient information

07:04اور آپ دیکھیں گے کہ اپنے پورے career میں

07:06لازمی نہیں ہے کہ آپ کو

07:08اس طرح silver plate کے اوپر رکھ کے data دیا جائے گا

07:11کہ ہاں جی یہ لیجئے حضور اور آپ بس اس کے اوپر algorithm ڈالیں

07:15اور minute کے اندر آپ کو prediction مل جائے گی

07:18جتنا بھی messy data possible ہو سکتا ہے

07:22وہ آپ کو ملے گا

07:23تو اکثر یہ ہوگا کہ جو information ہوگی

07:26وہ available نہیں ہوگی

07:28اب imagine کریں

07:29کہ یہاں پہ آپ کے پاس صرف ایک column ہے

07:32ٹھیک ہے

07:33جس کے اندر smoking کی information available ہے

07:35باقی دو patient کی نہیں ہیں

07:38ٹھیک ہے

07:39تو اب

07:40اس کا مطلب یہ ہے کہ کیا

07:42اب یہ derived feature اس کے اندر exist کرنا چاہیے

07:45کیونکہ information sufficient ہے ہی نہیں

07:46تو یہ کیا criteria ہونا چاہیے

07:49basically normal ہے

07:5010% of the sample کو ہونا چاہیے

07:53ان کے پاس وہ feature available ہونا

07:55مثال 100 بندوں کا

07:56اگر آپ 100 patient کا data deal کر رہے ہیں

07:58تو at least 10 بندوں کا آپ کے پاس data ہونا چاہیے

08:03at least

08:04ٹھیک ہے

08:05otherwise it's totally useless

08:07to include this

08:08صحیح ہوگی بات

08:09چلے

08:11یہ تو بات تھی ہماری features کے حوالے سے

08:14کہ آپ نے دیکھا

08:15کہ ہم نے پہلے problem کے حوالے سے دیکھا

08:17کہ problem کو کس طریقے سے solve کرنا ہے

08:19problem define کیسے کرنا ہے

08:21پھر آپ نے data کی categories دیکھا

08:22data کے بارے میں دیکھا

08:23evaluation سیکھا

08:25اور اب ہم نے features کے حوالے سے بات کی

08:27تو next lecture کے اندر

08:28ہم لوگ modeling کی بات کریں گے

08:30کہ modeling کو کس طریقے سے handle کرنا ہے

Category

Transcript

Recommended