机器学习准备数据集-化学领域机器学习与人工智能文章1963-2021
数据来源：互联网公开数据
标签：机器学习,人工智能,化学,数据准备,数据清洗,文本数据处理,特征选择,时间序列分析
数据概述：
本数据集包含5个名为savedrecs的'.xls'文件，每个文件收录了与化学领域相关的机器学习和人工智能主题的文章。此外，数据集还提供了2个附加文件以供分析和解释。此数据集旨在涵盖多种数据类型，并提供处理新数据的方法论，代表了在职业生涯中的进步步骤。
数据用途概述：
该数据集适用于学习和掌握各种数据准备和技术，包括数据连接、分类数据转换、特征选择、缺失值处理、时间序列可视化、文本数据处理等。通过分析此数据集，用户可以提高数据理解和处理技能，掌握数据科学中的关键步骤。
举例：
1. 应用适当的连接方法来合并给定的文件。
2. 使用合适的策略将分类数据转换为数值数据。
3. 确定对目标场景有重要意义的特征。
4. 选择数据集中的必要特征。
5. 确定填充数据集中缺失值的正确策略。
6. 展示对时间序列数据的可理解可视化。
7. 根据目标场景使用现有列开发新列。
8. 解释和评估数据集。
9. 应用处理文本数据的方法论。
10. 将文本数据转换为数值数据形式。
11. 总结在整个研究过程中所做的工作。
