Geschreven door studenten die geslaagd zijn Direct beschikbaar na je betaling Online lezen of als PDF Verkeerd document? Gratis ruilen 4,6 TrustPilot
logo-home
Samenvatting

Summary Introduction to Analytics

Beoordeling
-
Verkocht
1
Pagina's
25
Geüpload op
17-06-2025
Geschreven in
2024/2025

Full summary, from every lecture (1-11) 3de bach HIRB at Ku Leuven

Voorbeeld van de inhoud

1) The data analytics process

Focus on analytics from business perspective using :
1. Data
2. An algorithm
3. A purpose
Which are:
- Valid
- Useful
- Unexpected
- Understandable


Non-tabular data : featurization, deep learning
Supervised algorithms: need target  classification(categorical) /
regression(continuous)
 ML all about generalizable correlation
Unsupervised algorithms: extract patterns from data as is:
- Clustering
- Association/sequence/ .. rule mining
- Anomaly detection
- Dimensionality reduction
Purpose:
- Exploratory
- Descriptive
- Explanatory
- Predictive
- Prescriptive
MLOps: set of techniques and practices used to design, build and deploy machine
learning models in an efficient, optimized and organized manner.
Key phases of data analytics process




2) Data
preprocessing
Goal : obtaining tabular dataset

,Data selection:
- Flattening
- Target variable definition
- Hold-out set
o Data leakage: not including variables that are too perfectly
correlated to target ( > 0.8 )
 Feature leakage
 Instance leakage
- ~data exploration
Data cleaning:
- Basic consistency: detect errors/duplications, data transformation, remove
“future variables”
- Dealing with missing values (delete, replace or keep)
- Outliers: Valid/ invalid
o Detection vs. treatment

Data transformation
- Standardization, normalization (feature scaling), categorization (binning,
grouping)
- Dummy variables and encoding (nominal  continuous)
o WoEcat = ln(pc1,cat / pc2,cat )
 Monotonic relationship with target variable, well suited for
logistic regression
 Maximize IV, laplace smoothing!!
- Feature engineering: delta’s, trends, windows (continuous stream of
measurements) (FRM)
- Feature reduction:
o PCA (dimensionality)  categorical features into numerical
 Correlated variables into set of linearly uncorrelated variables
 maximize variance and preserve large pairwise distances
 Interpretability might become more difficult
o t-SNE (dimensionality)  preserve local similarities
 Non-linear reduction based on manifold learning
 Best for high dimensional data
 =/= clustering
- Feature selection: filtering, wrapping
o Filtering: independent of model, throw out weak features (variance
threshold based, chi-squared based (Goodness-of-fit), information
gain)
o Wrapping: evaluate subsets of features making use of learned model
for each subset
 Exhaustive search
 Greedy strategies: forward selection, backward elimination,
step-wise

, 3) Exploratory data analysis
Data profiling: what? Why?




Human perception:
- Pre-attentive vision: limited set of
properties that are detected:
o Very rapidly
o Accurately
o With little effort
o Before focused attention
 Gestalt principles
o Past experience (isomorphism)



Human limitations:
- Visual accuracy = perceptual
effectiveness
o Advanced perceptual abilities, don’t make people think too much
- Color blindness
- Short-term memory (humans have little memory)
- Attention span
What makes good visualization?
- Trustworthy
- Actionable (only simple graphs)
- Elegant (Data-ink ratio = Data-ink / total ink used to print graphic = 1 –
proportion that can be erased)

Documentinformatie

Geüpload op
17 juni 2025
Aantal pagina's
25
Geschreven in
2024/2025
Type
SAMENVATTING
€4,49
Krijg toegang tot het volledige document:

Verkeerd document? Gratis ruilen Binnen 14 dagen na aankoop en voor het downloaden kan je een ander document kiezen. Je kan het bedrag gewoon opnieuw besteden.
Geschreven door studenten die geslaagd zijn
Direct beschikbaar na je betaling
Online lezen of als PDF

Maak kennis met de verkoper

Seller avatar
De reputatie van een verkoper is gebaseerd op het aantal documenten dat iemand tegen betaling verkocht heeft en de beoordelingen die voor die items ontvangen zijn. Er zijn drie niveau’s te onderscheiden: brons, zilver en goud. Hoe beter de reputatie, hoe meer de kwaliteit van zijn of haar werk te vertrouwen is.
zenocominotto Katholieke Universiteit Leuven
Bekijk profiel
Volgen Je moet ingelogd zijn om studenten of vakken te kunnen volgen
Verkocht
22
Lid sinds
2 jaar
Aantal volgers
1
Documenten
5
Laatst verkocht
1 maand geleden

5,0

1 beoordelingen

5
1
4
0
3
0
2
0
1
0

Waarom studenten kiezen voor Stuvia

Gemaakt door medestudenten, geverifieerd door reviews

Kwaliteit die je kunt vertrouwen: geschreven door studenten die slaagden en beoordeeld door anderen die dit document gebruikten.

Niet tevreden? Kies een ander document

Geen zorgen! Je kunt voor hetzelfde geld direct een ander document kiezen dat beter past bij wat je zoekt.

Betaal zoals je wilt, start meteen met leren

Geen abonnement, geen verplichtingen. Betaal zoals je gewend bent via Bancontact, iDeal of creditcard en download je PDF-document meteen.

Student with book image

“Gekocht, gedownload en geslaagd. Zo eenvoudig kan het zijn.”

Alisha Student

Bezig met je bronvermelding?

Maak nauwkeurige citaten in APA, MLA en Harvard met onze gratis bronnengenerator.

Bezig met je bronvermelding?

Veelgestelde vragen