Firma zebrała nowe dane, a następnie utworzyła macierz korelacji, obliczyła statystyki podsumowujące i wygenerowała wizualizacje, aby zrozumieć dane. Który etap przepływu pracy uczenia maszynowego to przedstawia?

Eksploracyjna analiza danych (EDA) to proces analizowania zbiorów danych w celu podsumowania ich głównych cech, często przy użyciu metod wizualnych. Tworzenie macierzy korelacji, obliczanie statystyk podsumowujących i generowanie wizualizacji to klasyczne działania EDA, które pomagają zrozumieć strukturę danych, zidentyfikować wzorce i anomalie. Wstępne przetwarzanie danych obejmuje czyszczenie i formatowanie danych. Inżynieria cech to tworzenie nowych cech z istniejących. Dostrajanie hiperparametrów to optymalizacja parametrów modelu.