数据挖掘#特征工程第8页

2023计算机（AI）领域相关期刊的SCI分区

就在昨天（12月27日）2023年中科院分区表公布，本文总结了有关计算机领域（尤其是AI（机器学习，CV，NLP，数据挖掘等））的一些期刊的SCI分区，供大家参考学习。

STLearner·2024-02-10 06:08

单细胞数据挖掘(10a)-基于FPKM标准化的单细胞差异分析

本笔记来源于B站@生信技能树-jimmy；学习视频链接:「生信技能树」单细胞数据挖掘以下内容是我拷贝自学习资料里的markdown文件，作者信息如文件所示。本人在学习的过程中做了一些注释、删减和改动。

北欧森林·2024-02-10 06:08

数据挖掘(Data Mining, uva1591)

本题主要在于理解题意，Q数组可以不连续存储指的是只要公式能够满足即可，不一定有规律的存储。比如，先11个byte存储数据，1个byte空闲，再12个byte存储数据，1个byte空闲。简单计算可以得出K>=Sq*N为充要条件测试数据NortheasternEurope(NEERC)2003//uva1591.cpp#include#include#defineMAXN31intmain(){lon

谭树杰的博客·2024-02-10 05:08

OLAP 和数据挖掘的关系

从技术角度看，商务智能的过程是企业的决策人员以企业中的数据仓库为基础，经由数据挖掘工具、联机分析处理工具加上决策规划人员的专业知识，从数据中获得有用的信息和知识，帮助企业获取更多的利润。

挣扎的菜鸟·2024-02-09 18:02

梯度提升树系列6——GBDT在异常检测领域的应用

目录写在开头1异常检测的基本概念1.1定义和目标1.2GBDT在异常检测中的适用性2信用卡欺诈检测案例分析2.1场景介绍2.2收集数据和特征工程2.3进行异常值识别2.4模型效果评估2.5模型优化3策略和技巧

theskylife·2024-02-09 14:32

机器学习 | 深入集成学习的精髓及实战技巧挑战

算法简介泰坦尼克号乘客生存预测(实操)lightGBM算法简介《绝地求生》玩家排名预测(实操)xgboost算法简介XGBoost全名叫极端梯度提升树，XGBoost是集成学习方法的王牌，在Kaggle数据挖掘比赛中

亦世凡华、·2024-02-09 10:16

机器学习系列——（十七）聚类

其中，聚类作为机器学习领域的一个重要分支，广泛应用于数据挖掘、模式识别、图像分析等多个领域。本文旨在深入探讨聚类技术的原理、类型及其应用，为读者提供一个全面而深入的了解。一、什么是聚类？

飞影铠甲·2024-02-09 09:08

【深度学习：掌握监督学习】掌握监督学习综合指南

基本概念主要组件：输入要素和目标标签训练监督式学习模型监督学习算法的类型分类回归每个类别中的流行算法示例监督学习的数据预处理数据清洗数据转换数据缩减特征工程概念简介及其对模型性能的影响模型评估和验证评估和验证监督学习模型的重要性常见评估指标概述模型评估技术挑战和未来方向监督

jcfszxc·2024-02-09 09:11

图论与图数据应用综述：从基础概念到知识图谱与图智能

1.3邻接矩阵2探索图的高级概念2.1最短路径的关键性2.2图的直径与平均路径的意义2.3循环与路径类型的多样性3深入探讨图的广泛应用领域3.1知识图谱的知识管理3.2图智能在复杂决策中的应用3.3图数据挖掘与分析的多领域应用

cooldream2009·2024-02-09 08:08

数据挖掘应用领域

目前数据挖掘在各行各业应用广泛，尤其在金融、保险、电子商务和电信方面得到了很好的效果，下面简单阐述一下在金融行业数据挖掘的应用。

Liam_ml·2024-02-09 06:50

Titanic - 1

复习一下，完成这篇分析报告需要进行的几个步骤：一、导入数据包与数据集二、数据分析1、总体预览2、描述性统计分析：使用统计学与绘图，初步了解数据之间相关性，为构造特征工程和模型建立做准备3、数据清洗4、建模与优

silent_eyes_77·2024-02-09 04:30

数据挖掘——特征工程

文章目录特征工程3.3.1删除异常值3.3.2特征构造批量处理时间数据1.归一化2.标准化3.3.3特征筛选特征工程在EDA中我们更多的操作是针对数据本身与分析而特征工程是针对数据的进一步处理来最终选择出我们模型中需要的特征

run_session·2024-02-09 01:18

什么是数据挖掘

文章目录什么是数据挖掘1.分类问题2.聚类问题3.回归问题数据挖掘相关的标准库数据挖掘模型训练分类问题聚类问题回归问题关联问题模型集成模型评估评估指标混淆矩阵与标准率指标泛化能力评估什么是数据挖掘数据挖掘就是寻找数据中隐含的知识并用于生产产业价值

菜鸟长安·2024-02-09 01:44

特征工程：特征提取、特征预处理、特征选择

一、特征提取1.字典特征提取sklearn.feature_extraction.DictVectorizer(sparse=True,…)dict=DictVectorizer(sparse=False)data=dict.fit_transform([{'city':'北京','temperature':100},{'city':'上海','temperature':60},{'city':'

xiaobai_IT_learn·2024-02-09 00:02

特征工程：衡量特征的重要型

知乎特征选择：https://zhuanlan.zhihu.com/p/32749489结合sklearn的几种特征选择方法：https://www.cnblogs.com/hhh5460/p/5186226.html结合sklearn的几种特征选择方法2：https://blog.csdn.net/bryan__/article/details/51607215

千寻～·2024-02-09 00:32

特征工程:特征构建

前言二、正文Ⅰ.分类特征重新编码①分类特征②离散特征③多标签类别编码Ⅱ.数值特征重新编码①多项式②多个变量的多项式特征Ⅲ.文本数据的特征构建①文本词频条形图②词袋模型③TF-IDF矩阵三、结语一、前言特征工程中的特征构建的主要目的是生成新的特征

林浩杨·2024-02-09 00:31

特征工程:特征提取和降维-下

目录一、前言二、正文Ⅰ.流形学习Ⅱ.t-SNEⅢ.多维尺度分析三、结语一、前言通过上篇对线性与非线性的数据的特征提取和降维的学习之后，我们来介绍其他方法，分别有流行学习、多维尺度分析、t-SNE。二、正文Ⅰ.流形学习流形学习是借鉴拓扑流形的概念的一种降维的方法。用于数据降维，降到二维或者三维时可以对数据进行可视化。因为流形学习利用近邻的距离来计算高维空间的样本距离，所以近邻个数对其降维的结果影响甚

林浩杨·2024-02-09 00:31

特征工程:特征提取和降维-上

目录一、前言二、正文Ⅰ.主成分分析Ⅱ.核主成分分析三、结语一、前言前面介绍的特征选择方法获得的特征，是从原始数据中抽取出来的，并没有对数据进行变换。而特征提取和降维，则是对原始数据的特征进行相应的数据变换，并且通常会选择比原始特征数量少的特征，同时达到数据降维的目的。常用的数据特征提取和降维的方法有主成分分析,核成分分析，流行学习，t-SNE,多维尺度分析等方法。二、正文fromsklearn.d

林浩杨·2024-02-09 00:01

特征工程:特征选择

目录一、前言二、正文Ⅰ.基于统计方法的特征选择Ⅱ.基于递归消除特征发Ⅲ.基于机器学习的方法三、结语一、前言特征选择是使用某些特征统计的方法，从数据中选出有用的特征，把数据中无用的特征抛弃掉，该方法不会产生新的特征，常用的方法有基于统计方法的特征选择、利用地柜消除法选择有用的特征、利用机器学习算法选择重要的特征等。二、正文Ⅰ.基于统计方法的特征选择fromsklearn.feature_select

林浩杨·2024-02-09 00:00

Task 4：建模调参

Datawhale零基础入门数据挖掘-Task4建模调参四、建模与调参4.1学习目标了解常用的机器学习模型，并掌握机器学习模型的建模与调参流程完成相应学习打卡任务4.2内容介绍线性回归模型：线性回归对于特征的要求

我是曾阿牛·2024-02-08 13:36

每天一个数据分析题（一百五十五）

D.在数据挖掘的实践中，最佳实践是建立一个包含所有变量的大模型来处理不同情况。题目来源于CDA模拟题库点击此处获取

紫色沙·2024-02-08 09:20

机器学习：特征工程笔记

在实践中，收集到的数据往往是不完整、含有噪声和不一致的，这对模型的性能构成挑战，因为其很大程度上依赖于输入数据的质量，因此，特征工程应运而生。

Ningbo_JiaYT·2024-02-08 07:09

机器学习：朴素贝叶斯笔记

朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的简单概率分类算法，广泛应用于机器学习和数据挖掘中。

Ningbo_JiaYT·2024-02-08 07:39

【最大似然估计】详解概率论之最大似然估计

个人主页：有梦想的程序星空个人介绍：小编是人工智能领域硕士，全栈工程师，深耕Flask后端开发、数据挖掘、NLP、Android开发、自动化等领域，有较丰富的软件系统、人工智能算法服务的研究和开发经验。

程序遇上智能星空·2024-02-08 05:22

收藏 | 统计学最全思维导图，附下载链接

众所周知，「统计学」是深入理解「机器学习/数据挖掘」的重要基础学科。

一木Campus·2024-02-08 04:12

docker数据科学与spark镜像源与使用常见问题疑难解答

DreamNotOver·2024-02-08 01:16

梯度提升树系列3——利用GBDT进行回归分析

房价预测模型案例研究2.1数据准备和预处理2.2模型构建和评估方法2.3具体代码3模型调优和评估3.1参数调优的详细策略3.2模型性能评估的详细方法3.3模型优化3.4可视化写在最后写在开头回归分析在数据挖掘领域扮演着至关重要的角色

theskylife·2024-02-07 23:58

解析基于检索排序的知识图谱问答系统

实体链接的关键性2.4路径的构建与系统优化3难点与挑战3.1实体链接、命名实体识别和消歧3.2排序模型的挑战4优势4.1框架的灵活性4.2容易整合的端到端网络优化4.3综合运用排序模型5劣势5.1依赖特征工程

cooldream2009·2024-02-07 22:40

【MATLAB】使用梯度提升树在回归预测任务中进行特征选择（深度学习的数据集处理）

此外，特征选择可以帮助理解数据，并为进一步的特征工程提供指导，有效地提高模型的预测性能。梯度提升树（GBT）是一种强大的监督学习算法，常用于回归和分类问题。通过利用多棵决策树的集成学

编程到天明·2024-02-07 15:59

大数据应用工具有哪些

大数据分析工具：RapidMiner在世界范围内，RapidMiner是比较领先的一个数据挖掘的解决方案。很大程度上，RapidMiner有比较先进的技术。

QFdongdong·2024-02-07 14:40

01 数据分析与可视化概述

数据挖掘则指的是从大量的，不完全的，有噪声的，模糊的和随机的实际应用数据中，通过应用聚合，分类，回归和关联规则等技术，挖掘潜在价值的过程。数据分析有狭义和广义之分。

flysh05·2024-02-07 12:07

教程：教你一个简单快速能够掌握监督学习算法的方法

监督学习作为运用最广泛的机器学习方法，一直以来都是从数据挖掘信息的重要手段。即便是在无监督学习兴起的近日，监督学习也依旧是入门机器学习的钥匙。这篇监督学习教程适用于刚入门机器学习的小白。

妄心xyx·2024-02-07 11:52

金融信贷风控业务详解

带大家以全新的角度了解风控，包括风控信贷业务讲解、风控决策树、风控决策流、特征工程、三方数据对比和风控系统搭建等一系列知识。

RobinCode·2024-02-07 11:48

智慧海洋建设-Task3 特征工程

关于本次智慧海洋特征构建分为时间类特征、分箱特征（x、y、v）、DataFrame特征（计数特征和偏移量特征）、统计特征（聚合）、embedding特征（word2vec、NMF）这几方面进行考虑的。分箱特征的重要性：一般在建立分类模型时，需要对连续变量离散化，特征离散化后，模型会更稳定，降低了模型过拟合的风险。离散特征的增加和减少都很容易，易于模型的快速迭代；稀疏向量内积乘法运算速度快，计算结果

1598903c9dd7·2024-02-07 10:58

Python自动化机器学习库之evalml使用详解

然而，构建和部署机器学习模型常常需要大量的时间和精力，涉及到数据预处理、特征工程、模型选择、超参数调优等一系列复杂任务。为了简化这个过程，使其更加高效，EvalML库应运而生。

Rocky006·2024-02-07 07:42

信息系统开发与实践课现状调研批发零售领域中的信息系统实践现状调研大学编程作业（TUST 天津科技大学 2023年）

信息系统开发与实践课现状调研批发零售领域中的信息系统实践现状调研大学编程作业（TUST天津科技大学2023年）一、论文简介二、交流学习批发零售领域中的信息系统实践现状调研一、批发零售领域发展简介二、批发零售领域大数据三、批发零售领域信息系统四、批发零售领域信息数据挖掘五

末影小黑xh·2024-02-07 07:44

主流爬虫框架的基本介绍

Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试.Scrapy吸引人的地方在于它是一个框架，任何人都可以根据需求方便的修改。

steamone·2024-02-06 22:21

API解析------------特征工程标准化StandardScaler()函数

StandardScaler()函数是sklearn包下的，所以每次使用要调用sklearn包。StandardScaler类是处理数据归一化和标准化。在处理数据时经常会出现这中代码：transfer=StandardScaler()x_train=transfer.fit_transform(x_train)x_test=transfer.transform(x_test)先解释下调用fit_t

西安人走哪都要吃泡馍·2024-02-06 22:34

计算机毕业设计基于SpringBoot的宠物爱心组织管理系统的设计与实现 Java实战项目附源码+文档+视频讲解

博主介绍：✌从事软件开发10年之余，专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。

IT学长编程·2024-02-06 19:36

机器学习简要概述

机器学习+数据库=数据挖掘+工业应用=模式识别+图像处理=机器视觉+语音处理=语音识别+文本处理=自然语言处理二、数据集及模型数据集的划分：方法：

@Duang~·2024-02-06 19:03

计算机毕业设计基于SpringBoot的线上教育培训办公系统的设计与实现 Java实战项目附源码+文档+视频讲解

博主介绍：✌从事软件开发10年之余，专注于Java技术领域、Python人工智能及数据挖掘、小程序项目开发和Android项目开发等。

IT学长编程·2024-02-06 19:02

47页深度研报：揭秘ChatGPT身后的AIGC技术和它的中国同行们，强烈推荐看一看！

技术和它的中国同行们这篇研报，我看了感觉分析的还不错，风口来了，哪怕我们抓不住，也要置身其中~AIGC技术，也称为自适应增强型遗传算法，是一种基于人工智能的优化算法，用于解决各种现实问题，如图像处理、数据挖掘

Echo-Niu·2024-02-06 18:59

Ubuntu 下载百度云文件

Ubuntu下载百度云文件Background作为一个对数据挖掘比较感兴趣的小白，会经常跑一些数据实验，如果用自己的笔记本来跑不仅效率低下，而且影响其他工作，所以我一般会选择放到服务器上跑实验。

你韩大爷·2024-02-06 13:18

想学大数据？先看完这几本书再说

真正的数据爱好者有很多需要阅读的内容：大数据，机器学习，数据科学，数据挖掘等。

yoku酱·2024-02-06 06:55

“网络爬虫”是什么，他的原理是什么？

它们被广泛用于搜索引擎、数据挖掘、内容聚合以及其他需要大规模获取网页信息的应用中。网络爬虫的工作原理是通过遍历互联网上的链接，自动获取网页内容并进行解析。

莱森泰克科技·2024-02-06 04:29

Logistic回归分析实例

Logistic回归，即Logistic回归分析，是一种广义的线性回归模型，常用于数据挖掘，疾病自动诊断，经济预测等领域。

橘猫吃不胖·2024-02-06 00:23

GSP算法在数据挖掘中的应用

文章目录一：基本概念介绍二：从一个样例入手三论文中定义的一些细节四：GSP算法五.算法六源代码及数据集等总结七.参考文章一：基本概念介绍序列模式挖掘：指挖掘相对时间或其他模式出现频率高的模式序列模式挖掘的动机：大型连锁超市的交易数据有一系列的用户事物数据库。每一条记录包括用户的ID，事物发生的时间和事物涉及的项目。如果能够在其中挖掘涉及事物间关联关系的模式，即用户几次购买行为间的联系，可以采用更有

屈家全·2024-02-05 23:12

python财政收入预测分析_python 数据分析-- 实战1（收入预测分析）

—北京：清华大学出版社，2018首先看一下刘老师介绍的数据分析和数据挖掘的区别：1.预览数据集，明确分析目的通过Excel工具打开income文件，可发现该数据集一共有32561条样本数据，共有15个数据变量

weixin_39572152·2024-02-05 23:24

数据挖掘实战-基于决策树算法构建北京市空气质量预测模型

如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1.项目背景2.项目简介2.1项目说明2.2数据说明2.3技术工具3.算法原理4.项目实施步骤4.1理解数据4.2数据预处理4.3探索性数据分析4.4特征工程

艾派森·2024-02-05 23:22

突然发现基本都是临床医生、医学生在搞纯生信数据挖掘

在2016年之前，你在PubMed上搜索meta分析这个关键词会发现大部分相关的文章都是来自国内***医院或者***医科大学；而在2016年之后，来自国内***医院或者***医科大学的meta分析类文章数量明显下降，而在PubMed上输入TCGA、GEObioinformatics这些关键词会发现越来越多来自国内***医院或者***医科大学的文章。从这些文章数量的变化可以看出，由于很多单位政策的改

SCI狂人团队·2024-02-05 19:49

推荐频道

数据挖掘#特征工程