IA y datos

Empiece por definir lo que representa un ejemplo. Una fila puede describir un cliente, una transacción, una fotografía o un momento de una serie temporal. Esas unidades determinan cómo deben funcionar los duplicados, las etiquetas y las divisiones de evaluación. Diez mediciones de un dispositivo no son necesariamente diez dispositivos independientes. Las características son entradas disponibles para el modelo. Las etiquetas son resultados objetivo que se utilizan en el aprendizaje supervisado. Verifique cuándo estará disponible cada función: un motivo de cancelación registrado después de que un cliente se va no puede predecir de manera justa esa salida de antemano. Esta es una forma de fuga incluso cuando el campo parece altamente predictivo. Inspeccione los valores faltantes, los desacuerdos en las anotaciones, los rangos inusuales y los cambios en los métodos de recopilación. La información faltante puede tener significado; reemplazar cada valor faltante con cero puede combinar una cantidad desconocida con un cero real. Documente el tratamiento y pruébelo en ejemplos representativos. Registre las reglas de procedencia y acceso junto con el conjunto de datos. Una URL pública por sí sola no establece permiso para reutilizar cada elemento para cualquier propósito. Recopile solo la información necesaria para la tarea y defina los procedimientos de retención y eliminación. Evalúe por separado grupos o condiciones donde los errores desaparecerían dentro de un promedio general.