Александр, добрый день
Я могу предложить Вам свои услуги в этом проекте, но у меня есть несколько вопросов и предложений:
- Вам принципиален объем датасета для работы или нет? Просто в kaggle датасеты содержат несколько сотен тысяч транзакций и их обработка потребует больших затрат времени
- можно было бы вытащить из датасета 10-20 тысяч транзакций и на них провести работы по анализу самих данных и сравнению моделей. С таким датасетом ресурсов потребуется меньше, а результаты все-равно покажут определенную динамику и качество моделей
- при анализе данных можно получить html файл со следующей информацией:
- Сводка по основным характеристикам: типы, уникальные значения, пропущенные значения.
- Статистика квантилей: минимальное и максимальное значения, Q1, медиана, Q3, межквартильный диапазон.
- Описательные статистические данные: среднее значение, мода, стандартное отклонение, среднее абсолютное отклонение, коэффициент вариации, коэффициенты асимметрии и эксцесса.
- Наиболее частые значения.
- Гистограмма.
- Корреляции для высоко коррелированных переменных, матрицы корреляции Спирмена, Пирсона и Кендалла.
- Отсутствующие значения: матрица, счетчик, тепловая карта и дендрограмма отсутствующих значений.
посмотрите картинки во вложении
в общем жду Ваших ответов
Сергей
