特征工程系列学习第12页

The Python Crop Simulation Environment 系列学习笔记（一）

我是目录PCSE：Python作物模拟环境PCSE的背景为什么选择PythonPCSE的历史PCSE的局限性安装PCSE要求和依赖设置你的Python环境安装和测试PCSE实例入门初始化PCSE/WOFOST模型获取有关状态和速率变量的信息总结PCSE：Python作物模拟环境PCSE（PythonCropSimulationEnvironment）是一个用于构建作物模拟模型的Python包，特别

Will沐风·2023-10-01 19:36

Windows 脚本批量打开文件

Windows脚本批量打开文件应用场景对自己个人而言，每次学习某个内容，要打开一系列学习文档、代码和网页可应用于执行某个任务需要一次性打开多个文件的场景。

WWWOWhite·2023-09-30 21:49

名门望族系列学习-朱熹

186.没有人的成为是偶然（朱熹）朱熹生于儒学世家，朱氏家族在朱熹出生前的十代已经是当地的儒学世家，历来以儒学为导、重文尚武、诗书传家，祖父朱森是一位大儒，父亲朱松二十岁即高中进士。朱熹是一个穷天理之人，从小想搞懂天下万物，把道和理都要研究透在合适的土壤中，合适的气候里，再加上本身的气质，一棵树定能成长出最好的状态。一个人如何成人成才成事？境教、身教、言教三项是影响人的信息渠道，再加上离场教育、在

lovely橙·2023-09-30 20:52

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

DataWhale 推荐系统实战_新闻推荐 Task2 数据分析

二龙山高哥·2023-09-30 02:38

机器学习——KNN算法流程详解（以iris为例）

目录前情说明问题陈述数据说明KNN算法流程概述代码实现前情说明本书基于《特征工程入门与入门与实践》庄家盛译版P53也K最近邻（KNN）算法进行讲解问题陈述Iris鸢尾花数据集内包含3类分别为山鸢尾（Iris-setosa

JSU_曾是此间年少·2023-09-29 11:33

工业蒸汽量预测（速通二）

工业蒸汽量预测（二）特征工程1.数据预处理和特征处理1.1数据预处理1.2特征处理2.特征降维2.1特征选择2.2多重共线性分析2.3线性降维模型训练1回归模型训练和预测2线性回归模型3K近邻回归模型4

盖盖的博客·2023-09-28 23:28

ShallowLearner·2023-09-28 14:12

Adaptive AUTOSAR 学习笔记 5 - 架构 - 物理视图

本系列学习笔记基于AUTOSARAdaptivePlatform官方文档R20-11版本AUTOSAR_EXP_PlatformDesign.pdf缩写AP：AUTOSARAdaptivePlatformAA

隐居的遮天恶鬼·2023-09-28 10:17

Adaptive AUTOSAR 学习笔记 15 - 持久化 Persistency

本系列学习笔记基于AUTOSARAdaptivePlatform官方文档R20-11版本AUTOSAR_EXP_PlatformDesign.pdf。

king110108·2023-09-28 10:43

Adaptive AUTOSAR 学习笔记 11 - 状态管理

本系列学习笔记基于AUTOSARAdaptivePlatform官方文档R20-11版本AUTOSAR_EXP_PlatformDesign.pdf缩写AP：AUTOSARAdaptivePlatformSM

king110108·2023-09-28 10:13

【机器学习】随机森林（Random Forest）、GBDT（Gradient Boosting Decision Tree）、XGBoost（eXtreme Gradient Boosting）

创建一个引导数据集根据引导数据集创建决策树，每一步用变量的一个随机子集（列的随机子集）创建不断重复上述两个过程bagging：bootstrapping+aggregateGBDT好处：决策树算法相比于其他的算法需要更少的特征工程

小丫么小阿豪·2023-09-27 21:47

Redis系列学习笔记13 Lua 脚本

Lua脚本在服务器端执行复杂的操作尽管使用流水线可以一次发送多个命令，但是对于一个由多个命令组成的复杂操作来说，为了执行该操作而不断地重复发送相同的命令，这并不是最高效的做法，会对网络资源造成浪费。如果我们有办法避免重复地发送相同的命令，那么客户端就可以减少花在网络传输方面的时间，操作就可以执行得更快。脚本功能有以下好处：使用脚本可以直接在服务器端执行Redis命令，一般的数据处理操作可以直接使用

ECHO_FOLLOW_HEART·2023-09-27 12:52

ISO 26262 系列学习笔记 ———— ASIL定义（Automotive Safety Integration Level）

文章目录介绍严重度（Severity）暴露概率（ProbabilityofExposure）可控性（Controllability）介绍如果没有另行说明，则应满足ASILA、B、C和D各分条款的要求或建议。这些要求和建议参考了安全目标的ASIL。如果在开发的早期阶段进行了ASIL分解，则根据ISO26262-9:2018第5条分解产生的ASIL。如果ISO26262系列标准中的括号中给出了ASI

小趴菜_自动驾驶搬砖人·2023-09-27 03:45

机器学习总结

在深度学习兴起之前，很多领域建模的思路是投入大量精力做特征工程，将专家对某个领域的“人

gridlayout·2023-09-26 10:13

RobotFramework自动化测试框架系列学习----（三）Web自动化原理+实操

1.目的：模拟一些基本的网页点击跳转、页面登陆退出等2.需要安装扩展库：pipinstallrobotframework-seleniumlibrary或pipinstallrobotframework-selenium2library3.元素定位用xpath和css定位4.原理我们采用rf框架中的三层架构去做测试哪三层？页面元素层<--业务逻辑层<--测试用例层业务逻辑层调用页面元素层，测试用例

白舟的博客·2023-09-26 10:26

Linux 安装 nginx 详细教程

文章目录Linux安装nginx详细步骤①安装依赖包②下载并解压安装包③安装nginx④启动nginx服务⑤nginx反向代理提示：以下是本篇文章正文内容，Linux系列学习将会持续更新Linux安装nginx

一只咸鱼。。·2023-09-25 11:31

如何使用Python进行推荐算法开发？

玥沐春风·2023-09-25 07:59

深度模型（八）：Wide And Deep

特征的交叉非常有效并且可解释性也很好，但是为了提高模型泛化能力，需要大量的特征工程工作。深度神经网络可以更好的通过稀疏特征的低纬稠密向量泛化到非显性的特征组合。

jony0917·2023-09-25 05:36

机器学习笔记1

贝叶斯分类、决策树和随机森林、逻辑回归目标值：连续型的数据-回归问题回归算法：线性回归、岭回归无监督学习：目标值：无-无监督学习算法：聚类K-means2、机器学习开发流程1）获取数据2）数据处理3）特征工程

从白天到早上·2023-09-24 16:35

宝宝主题式教育之《神奇的色彩女王》专项

主题：色彩具体涉及内容：色彩所给人的感觉、人类三大人种、变色龙（结合《我的颜色》绘本）、色彩的调和教育目标：1.通过系列学习，初步了解三原色（红黄蓝）给人的感觉是不一样的：红色热烈奔放，容易冲动毛燥；黄色明亮而又温暖

Langdun·2023-09-24 06:47

特征工程1

特征工程概述在做数据挖掘项目或是kaggle等机器学习比赛的时候，都会开始对数据进行的探索和可视化分析然后是一堆的预处理将数据转为需要的数字表格，再最后传入模型训练。

haleyprince·2023-09-23 22:31

使用scikit-learn进行特征选择

参考文章：《特征工程入门与实践》——第5章特征选择：对坏属性说不信用卡逾期数据集：creditcardclientsDataSet本文代码开源链接：FeatureSelection本文主要以信用卡逾期分类任务作为案例

活用数据·2023-09-21 18:25

强烈强烈安利3个Python数据分析EDA神器！

EDA是数据分析必须的过程，用来查看变量统计特征，可以此为基础尝试做特征工程。东哥这次分享3个EDA神器，其实之前每一个都分享过，这次把这三个工具包汇总到一起来介绍。

Python老猿·2023-09-21 11:34

机器学习——特征工程和评价指标

0、前言：首先学习特征工程这部分知识之前，要对机器学习的算法用过使用。1、特征工程：就机器学习的数据而言，特征就是数据的列名，有多少列，就有多少个维度的特征。

疋瓞·2023-09-21 09:44

特征工程-数据分类

特征工程将数据转换为能更好地表示潜在问题地特征，从而提高机器学习的性能。定量数据和定性数据定量数据本质上是数值，应该是衡量某样东西的数量。定性数据本质上是类别，应该是衡量某样东西的性质。

00_zero·2023-09-21 00:38

python风控建模_风控建模之特征筛选与建模（python）

特征筛选在建模之前的一步就是将特征工程做好的变量进行筛选，在风控项目中筛选分为两步：初步筛选、逐步回归筛选以及稳定性筛选。

weixin_39573512·2023-09-20 18:52

Yolo系列学习（二）

1、Yolo是将目标识别看做一个回归问题，其实不存在正负例不均衡的问题，之后以loss设置权重是因为使两个样本相对均匀，但也没必要将正负例调节为1:1。（回归问题没有必要将正负例分为1:1）2、loss设计对于大框和小框不合适，对于小物体检测不好检测。训练过程中，一定是有GT的中心点坐标，只有当这个中心点的坐标落在cell中心，这个GT才会和该cell与给定的bx进行IOU计算，才会计算loss，

。七十二。·2023-09-20 14:40

基于关联规则(Apriori)+协同过滤(collaborative filtering)实现电影推荐系统

smile_小北·2023-09-20 11:29

机器学习：特征工程基本流程

一、背景概述特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程，指的是把原始数据转变为模型的训练数据的过程，它的目的是使模型的性能得到提升。

向着光噜噜·2023-09-20 06:24

【机器学习】特征预处理

由此可见，特征工程在机器学习中占有相当重要的地位。在实际应用当中，可以说特征工程是机器学习成功的关键。那特征工程是什么？

人工智·2023-09-20 03:01

特征工程建模可解释包（note）

PermutationImportance一般情况下，使用集成算法去看特征重要性比较好。关注某一个特征，计算其permutationimportance:训练好当前模型考虑特征A对模型结果的影响。将特征A打乱顺序，比较模型结果，误差是否变得更大。如果误差改变不大，说明该特征不重要，如果误差改变大，则重要。工具包eli5https://eli5.readthedocs.io/en/latest/tu

闪闪发亮的小星星·2023-09-19 18:30

人工智能发展岗位

以下是一些常见的人工智能岗位，这些岗位通常要求不同的技能和经验：机器学习工程师：负责开发和部署机器学习模型，包括数据预处理、特征工程和模型训练。使用深度学习和传统机器学习算法来解决问题。

就叫飞六吧·2023-09-19 16:55

《雷达像智能识别对抗研究进展》阅读记录

（2）雷达像智能识别传统的雷达像识别方法通常利用特征工程构建模板库，并采用合适的分类器进行识别。其效果特别依赖于人工设计特征的质量。

黑川赤音·2023-09-19 11:34

Linux工具（一）

从本文开始，我们将系列学习五个Linux的入门开发工具，本期我们先来介绍两个工具：yum和vim工具。目录1.Linux软件包管理器yum尝试安装和卸载sl拓展yum源的安装2.

Lee贤·2023-09-19 11:28

特征工程-指标筛选

在数据建模前期，很重要的一步是特征工程的构建，最明显的一次就是多分类问题，单增加一个特征，准确率从78%提高到了85%。

神采奕奕的奕·2023-09-19 10:45

MATLAB官方机器学习入门教程

.做出预测算法选项评估模型1.预测值与真值进行比较2.计算精确度与误分类度混淆矩阵导入和预处理数据多文本操作1.创建数据存储2.读取数据添加数据转换1.执行数据预处理2.转换后的数据存储3.规范化数据特征工程统计特性形状量化官方教程

aoaoGofei·2023-09-19 09:29

Pre-trained models for natural language processing: A survey(NLP领域预训练模型研究综述)

一、前言首先列出了常用的神经网络模型：CNN、RNN、GNN以及注意力机制，它们的优点是能够缓解特征工程

敷衍zgf·2023-09-18 12:28

物联网：用python调入机器学习分析物联网数据入侵检测模块

对输入数据进行特征工程。这涉及将原始数据转换为可以在机器学习算法中使用的格式。对于物联网数据，可能需要进行数据清理、处

Solitary_孤影照惊鸿·2023-09-18 00:17

李沐机器学习入门

文章目录1.数据的获取2.数据的爬取3.数据的标注3.1半监督学习3.1.1自学习算法3.1.2人工标注数据3.1.3弱监督学习4.数据的预处理5.数据的清理6.数据的变换7.特征工程8.机器学习介绍8.1

几窗花鸢·2023-09-17 23:30

时序预测的深度学习算法全面盘点

常用的深度学习模型包括循环神经网络（RNN）、长短时记忆网络（LSTM）、门控循环单元（GRU）、卷积神经网络（CNN）、注意力机制（Attention）和混合模型（Mix）等，与机器学习需要经过复杂的特征工程相比

Python数据挖掘·2023-09-16 13:58

EDA(Exploratory Data Analysis)探索性数据分析

EDA(ExploratoryDataAnalysis)中文名称为探索性数据分析，是为了在特征工程或模型开发之前对数据有个基本的了解。

隔壁偷菜的谁·2023-09-16 06:48

机器学习——入门

逻辑回归目标值是连续型的数据->回归问题线性回归、岭回归无监督学习：没有目标值->无监督学习聚类k-means机器学习开发流程1）获取数据2）数据处理（处理掉嘈杂、缺失、不符合要求的一些数据）3）特征工程

王王仙贝~·2023-09-16 04:02

人工智能安全-5-网络入侵检测

0提纲概述数据集数据预处理特征工程天池AI上的实践棘手问题1概述入侵检测是网络安全中的经典问题，入侵是指攻击者违反系统安全策略，试图破坏计算资源的完整性、机密性或可用性的任何行为。

HenrySmale·2023-09-16 04:01

OpenLayers 系列学习（一）

简单介绍文章仅为学习笔记，本人也是OpenLayers小白，如有错误，欢迎指正官网地址：https://openlayers.org/en/latest/apidoc/module-ol_Map-Map.html#addLayerOpenLayers3对OpenLayers网络地图库进行了根本的重新设计。版本2虽然被广泛使用，但从JavaScript开发的早期发展阶段开始，已日益现实出它的落后。O

冰雪为融·2023-09-16 04:53

天池_二手车价格预测_Task3_特征工程

0️⃣前言0️⃣.1️⃣赛题重述0️⃣.2️⃣数据集概述1️⃣异常缺失值删除1️⃣.1️⃣导入库与数据1️⃣.2️⃣异常值删除2️⃣树模型的特征构造2️⃣.1️⃣时间特征构造2️⃣.2️⃣城市信息特征提取2️⃣.3️⃣品牌特征提取3️⃣树模型的数据分桶4️⃣LR与NN模型的特征构造4️⃣.1️⃣与归一化4️⃣.2️⃣编码5️⃣特征选择5️⃣.1️⃣过滤式(filter)5️⃣.2️⃣包裹式(wra

柯摩Excalibur·2023-09-16 03:10

笔记（五）-传统图机器学习的特征工程-全图

1、引言-提取出的特征要能够反应全图结构特点2、全图信息种类Bag-of-NodesBag-of-Nodesdegrees-就是找同分异构体-和节点特征的子图不同的是可以存在孤立结点计算全图的子图个数，而不是特定邻域的子图个数Graphletkernel-两个图作数量积，得到一个标量，可以反应两个图是否相近-如果两个图比较相近，作均一化操作-子图匹配是一个需要较大消耗ColorRefinement

hlllllllhhhhh·2023-09-14 21:30

笔记（三）传统图机器学习的特征工程-节点

1、不同种类的任务2、传统图机器学习的几个层面（人工特征工程+机器学习）3、属性特征-节点本身的特征4、连接特征-节点的结构信息5、训练-预测6、好模型需要好数据-人工构造的特征（特征工程）-节点、连接

hlllllllhhhhh·2023-09-14 21:00

笔记（四）传统图机器学习的特征工程-连接

1、引言工作：通过已知连接，补全未知连接思想：直接提取link特征，把link变成D维向量把link两端节点的D维向量拼接在一起（不好，丢失了link本身的连接结构信息）2、连接分类客观静态图：蛋白质分子动态生成图：论文生成、社交网络（从上个时间（点或段）预测下个时间，并与真实的下个时间作比较）3、连接的特征分类两点之间-最短路径长度-容易忽略节点的重要度局部区域-邻居节点的共同邻居（邻域信息）-

hlllllllhhhhh·2023-09-14 21:26

C语言指针详解（初阶版）

最开始，我也是一个“谈指针色变”的人，但是经过一系列学习，我开始真正认识指针，并将我的学习成果发布在这里，期待与诸君交流。一、指针是什么要知道指针是什么，我们先要了解内存。

从前叫沐阳·2023-09-14 19:23

推荐频道

特征工程系列学习