数据分析挖掘-特征工程第8页

4个可以写进简历的京东 NLP 项目实战

项目一、京东健康智能分诊项目第一周：文本处理与特征工程|BagofWords模型|从tf-idf到Word2Vec|SkipGram与CBOW|HierarhicalSoftmax与NegativeSampling

Amusi（CVer）·2023-10-23 13:16

机器学习中常见的特征工程处理

一、特征工程特征工程（FeatureEngineering）对特征进行进一步分析，并对数据进行处理。常见的特征工程包括：异常值处理、缺失值处理、数据分桶、特征处理、特征构造、特征筛选及降维等。

DB_UP·2023-10-23 01:25

一个完整机器学习项目流程总结

机器学习的特征工程和模型训练通常都是一件非常耗时的过程，胡乱尝试时间成本是非常高的。深入理解要处理的问题，能避免走很多弯路。

高永峰_GYF·2023-10-22 21:40

Bag of Tricks for Efficient Text Classification(Fasttext)

提出一种新的使用子词的词向量训练方法，能够在一定程度上解决oov问题3、将Fasttext开源使得工业界和学术界能够快速的使用Fasttext深度学习文本分类模型:优点：效果好，能达到非常好的效果，不用做特征工程

BUPT-WT·2023-10-22 14:34

机器学习终极指南：统计和统计建模03/3 — 第 -3 部分

系列上文：机器学习终极指南：特征工程（02/2）—第-2部分一、说明在终极机器学习指南的第三部分中，我们将了解统计建模的基础知识以及如何在Python中实现它们，Python是一种广泛用于数据分析和科学计算的强大编程语言

无水先生·2023-10-22 01:58

金融风控-- ＞申请评分卡模型-- ＞特征工程（特征分箱，WOE编码）

这篇博文主要讲在申请评分卡模型中常用的一些特征工程方法，申请评分卡模型最多的还是logsitic模型。

村头陶员外·2023-10-21 16:38

论文分享 --＞强化学习--＞Playing Atari with Deep Reinforcement Learning

对于一些高维复杂场景，状态特征很难通过人工特征工程的方式提取

村头陶员外·2023-10-21 16:07

机器学习笔记AN01--提高机器学习模型准确率的八大方法简单总结

3.特征工程学这一步骤有助于从现有数据

EL33·2023-10-21 12:42

《Python自然语言处理-雅兰·萨纳卡(Jalaj Thanaki)》学习笔记：05 特征工程和NLP算法

05特征工程和NLP算法5.1理解特征工程5.1.1特征工程的定义5.1.2特征工程的目的5.1.3一些挑战5.2NLP中的基础特征5.2.1句法解析和句法解析器5.2.2词性标注和词性标注器理解词性标注和词性标注器的概念一步步开发词性标注器即插即用现有词性标注器使用词性标注作为特征挑战

miniAI学堂·2023-10-21 11:48

【2 - 随机森林 - 原理部分】菜菜sklearn机器学习

《菜菜的机器学习sklearn课堂》_哔哩哔哩_bilibili第一期：sklearn入门&决策树在sklearn中的实现第二期：随机森林在sklearn中的实现第三期：sklearn中的数据预处理和特征工程第四期

如何原谅奋力过但无声·2023-10-21 04:24

学习scikit-learn

scikit-learn网址：http://scikit-learn.org/stable/datasets/index.html#datasets一、特征工程特征工程或特征提取或特征发现是利用领域知识从原始数据

Xuyuting·2023-10-21 02:21

数据准备和特征工程

数据准备和特征工程1.感知数据1-1文件中的数据1.1.1CSV文件pd.read_csv(csv_file,index_col=0)index_col=1默认读取数据的第一列是索引df_new.to_csv

德玛西亚biubiubiu～·2023-10-21 02:48

与特征工程大战之特征选择

特征选择主要有两个功能：减少特征数量、降维，使模型泛化能力更强，减少过拟合增强对特征和特征值之间的理解介绍几种常用的特征选择方法，它们各自的优缺点和问题：1、去掉取值变化小的特征Removingfeatureswithlowvariance这应该是最简单的特征选择方法了：假设某特征的特征值只有0和1，并且在所有输入样本中，95%的实例的该特征取值都是1，那就可以认为这个特征作用不大。如果100%都

csdnccfcsp·2023-10-21 02:44

特征工程的方法和步骤

目录0.示意图1.特征类别1.1.类别特征1.2.数值特征1.3.时间特征1.4.空间特征1.5.自然语言处理1.6.深度学习/神经网络1.7.图特征1.7.Leakage1.8.统计聚合1.9.自动化特征工程

褚骏逸·2023-10-21 02:28

深度学习八股文：模型训练全过程及各阶段的原因

数据预处理：数据通常需要进行预处理，包括标准化、归一化、缩放、特征工程等。预处理的目的是使数据对模型训练更有利，以及确保数据的一致性和可用性。模型选择和设计：选择适当的深度学习模型结构，如卷积神

运气好到爆·2023-10-20 10:16

快速入门python机器学习

机器学习算法分类1.3.1总结1.3.2练习1.3.3机器学习算法分类1.4机器学习开发流程（了解）1.5学习框架和资料介绍1.5.1机器学习库与框架1.5.2书籍资料1.5.3提深内功（但不是必须）特征工程

清风微泫·2023-10-19 21:40

微软Azure AI Gallery 预测性维护案例

目录1.简介2.数据准备与特征工程2.1数据准备数据集数据采集数据标签2.2特征工程3.模型训练与评估3.1回归模型3.2二分类模型3.3多分类模型微软AzureAIGallery1.简介预测性维护是一个综合性的概念

yahua_king·2023-10-19 19:37

【黑马程序员】机器学习

-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归（2）目标值是连续型的数据：回归问题线性回归、岭回归2、非监督学习：（1）没有目标值聚类k-means二、机器学习开发流程1、获取数据2、数据处理3、特征工程

我感觉。·2023-10-18 07:08

33 机器学习（一）:特征工程

文章目录机器学习需要用到的包的介绍机器学习做什么深度学习做什么常见的概念数据介绍数据类型数据的来源数据的构成特征工程one-hot编码接口集特征提取DictVectorizerCountVectorizerTfidfVectorizer

Micoreal·2023-10-17 19:40

陈实如·2023-10-17 08:39

泰坦尼克之灾_Kaggle

二、数据探索1.首先导入数据库和数据：2.观察数据，查看数据各列数据类型，数据大小以及缺失值状况3.查看老人小孩（假定13岁以下为小孩）的人数占比三、特征工程缺失值处理，按照以下原则对缺失值进行处理：1

艾马丫·2023-10-16 22:49

基于LMDB电影影评数据集进行情感分类

基于LMDB电影影评数据集进行情感分类文章目录基于LMDB电影影评数据集进行情感分类数据集介绍数据预处理：词频表的构造特征工程代码整理附录数据集介绍标签数据集包含5万条IMDB影评，专门用于情绪分析。

xx_Mike·2023-10-16 20:40

掌握 Scikit-Learn: Python 中的机器学习库入门

的核心组件与结构安装与配置验证安装数据表示与预处理特征矩阵和目标向量数据处理估计器模型的选择思考问题的本质研究数据的分布判断任务的复杂性分类问题回归问题监督学习分类算法回归算法无监督学习模型的评估训练集和验证集分类模型评估回归模型评估特征工程特征选择特征提取概述机器学习

我是小白呀·2023-10-16 18:04

O2O优惠券预测

O2O优惠券预测赛题理解赛题类型解题思路数据探索理论知识数据可视化分布特征工程赛题特征工程思路模型训练与验证赛题理解赛题类型本赛题要求提交的结果是预测15天内用券的概率，这是一个连续值，但是因为用券只有用与不用两种情况

盖盖的博客·2023-10-16 14:49

Kaggle泰坦尼克预测分析

对我的分数提升最大的主要有两块：特征工程:主要为离散型变量的排序赋值，特征组合和PCA模型融合:主要为加权平均和Stacking1.探索性可视化（ExploratoryVisualization）2.数据清洗

但偏偏雨渐渐丶·2023-10-15 15:54

解决Python中的ModuleNotFoundError: No module named ‘sklearn

scikit-learn（简称sklearn）是一个非常流行的Python机器学习库，提供了许多用于数据预处理、特征工程、模型训练和评估等方面的工具。然而，有时候在导入skl

冰雪之境·2023-10-15 09:07

特征选择 Python代码

在海量特征时，特征工程选择是必要的。特征工程很大程度上决定了模型的效果和模型的稳定性。特征工程中包函内容很多，包括数据分析，特征组合变换，特征选择和特征降维等等的技

nbszg·2023-10-14 19:54

【案例】从kaggle的房价预测模型案例中了解深度学习模型，即如何学习深度学习模型

这些学习到的表示可以替代人工设计的特征，从而避免“特征工程”。深度学习主要要解决的是如何让机器能够模仿人脑的思考方式。从而摆脱原来的固有数据库比较的限制。让机器能够通过深度学习理解这个不断变化的世界。

Scalzdp·2023-10-14 11:54

【机器学习】sklearn特征选择（feature selection）

文章目录特征工程过滤法（Filter）方差过滤相关性过滤卡方过滤F验表互信息法小结嵌入法（Embedded）包装法（Wrapper）特征工程特征提取(featureextraction)特征创造(featurecreation

高朗·2023-10-14 08:19

时间序列预测包含深度学习机器学习

目录介绍时间序列分析基本概念核心概念时间序列预处理特征工程在时间序列预测中的应用常见的时间序列预测方法预测方法的分类概念单变量预测移动平均模型指数平滑简单指数平滑二指数平滑三指数平滑Xgboost模型ARIMA

Snu77·2023-10-14 02:47

建立数据科学基础设施的绝佳指南数据工程师都该人手一册

《Effective数据科学基础设施》由Netflix工程师VilleTuulos撰写，以Metaflow为对象，介绍了数据科学所需要的基础设施，囊括数据准备、特征工程、模型训练、模型部署、服务和持续监控等环节

清图·2023-10-13 21:27

中文邮件分类[朴素贝叶斯、支持向量机、Logistic,TF-IDF,词袋模型]

读研第一次写博客，会不定时将自己做的小项目分享到这，加油第二次更改增加了特征工程，新加文本长度和符号比例两个特征，预测精确度达到了95.7%，比原来增加了2.1%，见本文第6节由于有人问起代码测试有问题

Walker@Bruce Lee·2023-10-13 09:50

机器学习-概述与贝叶斯算法

机器学习的一般步骤：数据搜集、数据清洗、特征工程、数学建模。数据划分：训练集、验证集、测试集。K折交叉验证：解决数据量不够大问题，解决参数调优问题。深度学习不用做特征工程，传统机器学习要。

小蒋的技术栈记录·2023-10-13 06:06

深度学习笔记（python 面向对象高级编程）

【ML机器学习|DL深度学习|CV计算机视觉|NLP自然语言处理】_哔哩哔哩_bilibili机器学习流程数据获取特征工程（最核心的部分）建立模型评估与应深度学习解决了怎么提取特征？

NightHacker·2023-10-12 07:15

特征工程分析常见方法

1概述特征工程是一个超集，它包括特征提取、特征构建和特征选择这三个子模块。在实践当中，每一个子模块都非常重要，忽略不得。

Kellem_·2023-10-12 01:09

【AI】深度学习——人工智能、深度学习与神经网络

文章目录0.1如何开发一个AI系统0.2表示学习(特征处理)0.2.1传统特征学习特征选择过滤式包裹式L1L_1L1正则化特征抽取监督的特征学习无监督的特征学习特征工程作用0.2.2语义鸿沟0.2.3表示方式关联

AmosTian·2023-10-10 15:11

二手车价格预测

拟合各种分布并作图2.2.2偏度和峰度偏度skewness峰度kurtosis2.3数值特征和类别特征2.3.1数值型特征分析相关性分析2.3.2类别型特征分析3、数据处理异常处理（nσ原则）数据分桶4、特征工程

nolabel·2023-10-09 12:35

特征工程—PCA与SVD降维基础

对于一张表，维度可以是样本数量，也可以是特征数量，一般情况是特征数量特征矩阵：特指二维数据，只有行列，构成表，通常是dataframe降维：降低特征矩阵的特征数量，可以将高维数据转化为三维以下数据进行可视化，并且加快算法的运行。sklearn中使用decomposition模块进行降维操作。主成分分析=降维=PCA,SVD：降维后包含特征的主成分，无用特征可能是噪音。sklearn中有两种降维方式

单手法拉利·2023-10-08 19:27

机器学习入门（六）——特征工程（上）

1.0whatis特征工程？关于特征工程比较官方的定义为：特征工程是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。

yyoung0510·2023-10-08 01:02

金融风控之贷款违约预测挑战赛 Task3

1、导入数据略2、查看数据略3、特征工程fromtqdmimporttqdmfromsklearn.preprocessingimportLabelEncoderfromsklearn.feature_selectionimportSelectKBest

怕热的波波·2023-10-07 14:24

人工智能（AI）基础知识学习库

人工智能（AI）基础知识学习库1.AI算法2.基础科普3.数学基础4.深度学习5.特征工程6.机器学习7.语音交互8.自然语言处理9.计算机视觉声明：此文仅作为个人学习记录人工智能（AI）基础知识学习库链接

77wpa·2023-10-07 08:38

Python数据攻略-Pandas与机器学习数据准备

文章目录数据编码与标准化One-hot编码LabelEncoding数值数据的标准化和归一化Z-score标准化Min-Max归一化特征工程基础创建多项式特

Mr数据杨·2023-10-06 21:00

机器学习基础之《分类算法（9）—分类算法小结》

一、转换器与预估器转换器-做特征工程预估器-封装了机器学习算法二、KNN算法根据你的邻居来确定类别谁是邻居距离公式欧式距离曼哈顿距离闵可夫斯基距离K的取值找到最近的几个邻居K过小，容易受到异常值的影响K

csj50·2023-10-06 15:36

使用Python进行逻辑回归建立评分卡的完整示例代码，包括数据预处理、分箱、特征工程、共线性剔除、模型评估和信用评分规则制定的过程

废话不多说直接上代码：importpandasaspdimportnumpyasnpfromsklearn.linear_modelimportLogisticRegressionfromsklearn.model_selectionimporttrain_test_splitfromsklearn.metricsimportaccuracy_score,roc_auc_scorefromstat

田晖扬·2023-10-06 15:05

卷积神经网络-卷积层

其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算量对格点化特征，例如像素和音频进行学习、有稳定的效果且对数据没有额外的特征工程要求。网络

会的东西有点杂·2023-10-06 07:36

ApacheCN 深度学习译文集 20201218 更新

新增了四个教程：Python人工智能中文版0前言1人工智能简介2人工智能的基本用例3机器学习管道4特征选择和特征工程5使用监督学习的分类和回归6集成学习的预测分析7通过无监督学习检测模式8构建推荐系统9

布客飞龙·2023-10-06 03:55

Python数据科学基础教程

本文将从以下几个方面对Python数据科学进行讲解：数据准备与预处理：如何进行数据导入、清洗、特征工程等操作；数据探索与可视化：数据量、数据分布、相关性、缺失值分析、变量分布等；数据建模：包括线性回归、

禅与计算机程序设计艺术·2023-10-05 03:22

［转］sklearn中MinMaxScaler/StandardScaler的区别

原文链接：https://www.zhihu.com/question/20467170/answer/839255695，感谢作者通常来说，它们都是指特征工程中的特征缩放过程，由于中文翻译的原因，网上对它们的解释也是五花八门

qtey·2023-10-04 03:18

WSDM顶会 & 爱奇艺 - 基于时间序列和多模型融合的用户留存预测挑战赛

ps：冠军团队方案，本文只复刻了冠军方案特征工程和机器学习部分，无涉及深度学习部分。

talle2021·2023-10-03 07:29

数据预处理与模型评估【机器学习、人工智能、实际事例】

数据预处理是机器学习中不可或缺的步骤，它包括数据清洗和特征工程两个主要方面。数据清洗数据清洗涉及识别和处理数据中的错误、异常或

修炼室·2023-09-30 15:13

推荐频道

数据分析挖掘-特征工程