特征工程系列学习第29页

时间序列的特征工程——一些总结

机器学习应用的本质基本上就是特征工程。

量化橙同学·2023-01-01 11:39

机器学习时间序列特征处理与构造，这篇我建议你收藏

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？

Python数据开发·2023-01-01 11:35

NLP基础任务-分类和匹配

文章目录文本分类文本分类任务概述序列结构文本分类方法图结构文本分类方法分类指标文本匹配概述匹配方法文本分类文本分类任务概述分类方法：概率统计时代：特征工程+算法深度学习时代：自动获取特征（表示学习）端到端分类神经网络分类方法

◝(⑅•ᴗ•⑅)◜..°♡·2023-01-01 08:51

基于机器学习的恶意软件加密流量检测研究分享

1概述2恶意软件加密流量介绍3加密HTTPS流量解析4特征工程5模型效果6具体实施7总结1概述近年来随着HTTPS的全面普及，为了确保通信安全和隐私，越来越多的网络流量开始采用HTTPS加密，截止今日，

yuan_mes·2022-12-31 12:21

加密恶意流量检测思路分析

文章目录背景及现状加密恶意流量特征分析特征类别特征提取加密恶意流量检测流程数据采集特征工程模型训练参考资料背景及现状为了确保通信安全和隐私以及应对各种窃听和中间人攻击，HTTPS逐渐全面普及，越来越多的网络流量也被加密

yuan_mes·2022-12-31 12:51

模型融合方法概述

在比赛中提高成绩主要有3个地方特征工程调参模型融合1.Voting模型融合其实也没有想象的那么高大上，从最简单的Voting说起，这也可以说是一种模型融合。

GlassySky0816·2022-12-31 12:13

图神经网络-学习日志3

节点嵌入传统方法（学习日志2）：主要工作花在了特征工程上，描述图神经网络的结构——》表示学习：自动区分特征目标：通过对图的机器学习，进行有效且独立的特征学习特征表示：将图中一个节点表示为d大小的向量/嵌入节点之间嵌入程度的相似性

小博Robert·2022-12-31 09:57

机器学习（ML）（一）——机器学习简介

-分类问题K近邻、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-回归问题线性回归，岭回归无监督学习：目标值：无-无监督学习聚类：K-means算法4、机器学习开发流程获取数据-数据处理-特征工程

精分天秤座的mystery·2022-12-31 06:08

机器学习 | 机器学习100天(6) --- Linear SVM

机器学习100天系列学习笔记基于机器学习100天(中文翻译版),机器学习100天(英文原版）所有代码使用iPythonNotebook实现完整代码目录实验综述数据集1.数据预处理2.训练LinearSVM

CoreJT·2022-12-31 01:32

机器学习 | 机器学习100天(5) --- k-近邻算法(k-NN)

机器学习100天系列学习笔记基于机器学习100天(中文翻译版),机器学习100天(英文原版）所有代码使用iPythonNotebook实现完整代码目录实验综述数据集1.数据预处理2.使用k-NN对训练集进行训练

CoreJT·2022-12-31 01:31

【1 - 决策树 - 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

我愚蠢的_理想主义·2022-12-30 16:51

【1 - 决策树 - 案例部分：泰坦尼克号幸存者预测】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

我愚蠢的_理想主义·2022-12-30 16:48

在线学习FTRL介绍及基于Flink实现在线学习流程

背景目前互联网已经进入了AI驱动业务发展的阶段，传统的机器学习开发流程基本是以下步骤：数据收集->特征工程->训练模型->评估模型效果->保存模型，并在线上使用训练的有效模型进行预测。

house.zhang·2022-12-30 14:30

3-3 OneHot编码

3.3OneHot编码请参考《数据准备和特征工程》中的相关章节，调试如下代码。

一条大蟒蛇6666·2022-12-30 12:18

Android（kotlin）JetPack系列学习——1. Lifecycle（含源码）

文章目录1.LifeCycle(生命周期管理)简介2.使用3.效果如下1.LifeCycle(生命周期管理)简介lifeCycle主要是用来解耦的，LifeCycle可以帮助开发者创建可感知生命周期的组件。这样，组件便能够在其内部管理自己的生命周期，从而降低模块间的耦合度，并降低内存泄漏发生的可能性。LifeCycle不只对Activity/Fragment有用，在Service和Applicat

陈壮实的搬砖生活·2022-12-30 11:30

Android（kotlin）JetPack系列学习——3.LiveData（含源码）

文章目录1.LiveData简介2.LiveDate的优势3.不适用LiveData的情况4.简单使用5.使用map进行字符转换1.LiveData简介LiveData是一个可观察的数据持有者类（响应式编程），它也是有生命周期感知的；LiveDate最重要的是它了解其观察者的生命周期，如Activity和Fragment.这就意味着实时数据仅更新于处于活动生命周期状态的应用程序组件，如Activi

陈壮实的搬砖生活·2022-12-30 11:00

Android（kotlin）JetPack系列学习——2.ViewModel（含源码）

文章目录1.简介2.使用2.1在Activity中使用2.2fragment共享数据1.简介（1）ViewModel类旨在以注重生命周期的方式存储和管理界面相关数据。ViewModel类让数据可在发生屏幕旋转等配置更改后继续留存。（2）对于简单的数据，activity可以使用onSaveInstanceState()方法从onCreate()中的捆绑包恢复其数据，但此方法仅适合可以序列化再反序列化

陈壮实的搬砖生活·2022-12-30 11:00

DCL记忆上次输入值lisp_知识追踪场景下的动态key-value记忆网络

知识追踪（KT）是一项用于跟踪学生在参与一系列学习活动时对一个或多个概念的不断变化的知识状态的任务。KT的一个重要目的是个性化练习序列，以帮助学生有效地学习知识概念。

weixin_39779975·2022-12-30 09:40

机器学习收入阶层分类(python)

云梦之上·2022-12-30 07:18

机器学习算法工程师面试 -- 总纲

机器学习算法工程师面试**`机器学习`**一.算法总结问题类型模型类型标签类型学习类型二.数据输入数据采样数据类型数据编码数据预处理三.特征工程特征提取特征选择特征变换特征融合四.模型构建1.神经网络BPRNNCNNSNNGAN2

天机无限·2022-12-30 04:28

阿里云天池大数据竞赛——O2O优惠券使用预测（基于XGBoost）（附python Jupter代码）

题中所给数据的特征较少，所以特征工程的构建是本题的重中之重，如何构建合适的特征向量？博主认为：一方面要凭借主观经验，比如说到要预测用户优惠券使用情况，我们凭借经验也能想到其会与"用户的商家偏好"，

MITTYzhao·2022-12-30 01:01

O2O优惠券使用预测项目总结

O2O优惠券使用预测笔记前言项目介绍数据评价方式赛题分析基本思路数据集划分特征工程模型选取过程及代码导入python库导入与划分数据集特征工程模型训练与调参预测测试集总结前言笔者希望通过本篇文章总结阿里天池

Hikikaya·2022-12-30 01:25

自然语言处理——学习笔记（4）：NLP基础任务——文本分类&文本匹配

NLP基础任务文本分类文本分类任务概述分类方法概率统计时代：特征工程+算法深度学习时代：自动获取特征（表示学习）端到端分类序列结构文本分类框架神经词袋模型卷积神经网络模型循环神经网络将文本序列看作时间序列

cc_wangxin·2022-12-29 23:29

DS&ML_特征工程笔记

sgyzetrov·2022-12-29 22:13

论文阅读 - DeepSBD: A Deep Neural Network Model with Attention Mechanism for Social Bot Detection - CCFA

：http://www.abulaish.com/uploads/TIFS21.pdf目录摘要1绪论1.1OSN和Socialbots1.2背景和动机1.3我们的贡献2RELATEDWORK2.1基于特征工程的

无脑敲代码，bug漫天飞·2022-12-29 22:08

2023北京/深圳NPDP产品经理入门到精通班招生简章

我们针对互联网时代的个人、互联网企业、与传统企业推出一系列学习。

hb15302782362·2022-12-29 22:28

机器学习基础算法（数据集和特征工程）

目录数据集的组成可用数据集数据集结构特征工程数据的特征抽取字典的特征抽取DictVectorizer语法流程对文本进行特征值化tfidf方式提取文本特征TfidfVectorizer语法流程数据的特征预处理归一化公式语法步骤总结标准化公式语法步骤总结缺失值处理缺失值处理方法语法步骤关于

Bro_Jun·2022-12-29 19:58

02机器学习基础-特征工程概念

机器学习基础-特征工程概念特征工程定义数据集可用的数据集特征值和目标值使用sklearn特征抽取安装sklearn特征抽取演示特征抽取api特征工程定义将原始数据转换为特征，提高预测的准确性数据集可用的数据集

zheng.plus·2022-12-29 16:22

【Python机器学习】特征工程含义、方法、对应函数详解（图文解释）

觉得有帮助请点赞关注收藏~~~特征工程特征工程的目标是从实例的原始数据中提取出供模型训练的合适特征。在掌握了机器学习的算法之后，特征工程就是最具创造性的活动了。

showswoller·2022-12-29 16:16

「推荐系统特征工程」04：数据预处理

数值与类别数据的预处理1.缺失值处理2.标准化3.归一化4.异常值与数值截断5.非线性变换6.类不平衡的处理7.机器学习范式的调整二、时空数据的预处理1.时间数据2.空间数据三、文本数据的预处理四、富媒体数据的预处理总结特征工程是通过一些数据处理方法

数据与智能·2022-12-29 14:26

数据预处理和特征工程-sklearn

数据预处理的目的：让数据适应模型，匹配模型的需求特征工程特征工程是将原始数据转换为更能代表预测模型的潜在问题的特征的过程，可以通过挑选最相关的特征，提取特征以及创造特征来实现。

要努力啊啊啊·2022-12-29 14:53

20210322 机器学习和深度学习的区别传统识别和深度学习的区别

深度学习和机器学习的区别：1、数据量2、CPU/GPU3、特征工程就是前面的案例里面讲过的，我们在训练一个模型的时候，需要首先确定有哪些特征。

AI-sqG·2022-12-29 12:41

NNI (Neural Network Intelligence)简介

是什么NNI(NeuralNetworkIntelligence)是一个轻量但强大的自动机器学习（AutoML）工具包，能帮助用户自动地进行特征工程、神经网络架构搜索、超参调优以及模型压缩。

北极与幽蓝·2022-12-29 12:10

【人工智能笔记】第三十一节：AutoML系列，用NNI框架进行神经网络架构搜索与超参调优（一）

NNI简介NNI(NeuralNetworkIntelligence)是一个轻量但强大的工具包，帮助用户自动的进行特征工程，神经网络架构搜索，超参调优以及模型压缩。

PPHT-H·2022-12-29 12:02

Python机器学习：date diff对日期格式的数据进行转码

在特征工程的过程中，如果认为月份、周末等因素对结果的影响不大的时候，可以使用日期作差求出日期间隔datediff这种简单粗暴的方式对日期格式的数据进行编码。

紫昂张·2022-12-28 23:00

clickhouse系列学习笔记——（一）clickhouse简介

一clickhouse-简介ClickHouse是俄罗斯的Yandex于2016年开源的一个用于联机分析(OLAP:OnlineAnalyticalProcessing)的列式数据库管理系统(DBMS:DatabaseManagementSystem),主要用于在线分析处理查询（OLAP），能够使用SQL查询实时生成分析数据报告。ClickHouse的全称是ClickStream，DataWare

肿么肥四啊哈·2022-12-28 08:30

谷歌机器学习规则 (Rules of Machine Learning)

机器学习规则(RulesofMachineLearning)往期文章：机器学习之特征工程机器学习之分类(Classification)精确率、准确率、召回率-----------------------

17西伯利亚狼·2022-12-28 07:07

深度推荐模型学习-DeepCrossing学习

介绍前言DeepCrossing模型原理这个模型就是一个真正的把深度学习架构应用于推荐系统中的模型了，2016年由微软提出，完整的解决了特征工程、稀疏向量稠密化，多层神经网络进行优化目标拟合等一系列深度学习在推荐系统的应用问题

机器爱上学习·2022-12-28 07:05

【机器学习】特征选择方法总结

一、背景介绍在处理结构型数据时，特征工程中的特征选择是很重要的一个环节，特征选择是选择对模型重要的特征。它的好处[2]在于:●减少训练数据大小，加快模型训练速度。●减少模型复杂度，避免过拟合。

我爱Python数据挖掘·2022-12-28 01:43

机器学习中，特征选择有哪些方法？

1特征工程是什么？有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？

nathan_deep·2022-12-28 01:05

word2vec做情感分析

目录标题1.文本预处理标题2.词带模型做文本表征标题3.word2vec做词表征标题4.用处理好的表征训练模型进行分类标题1.文本预处理无论用哪种模型进行文本表征或分类，第一步肯定是对数据进行预处理，做特征工程

weixin_45599022·2022-12-27 14:58

python基于不同方法实现特征工程常用的归一化技术Normalization对比分析

在很多机器学习数据挖掘的项目中，都免不了要去构建特征工程，在面临特征选择的时候经常会出现我们所提取到的不同的特征维度的数据本身的量纲或者是取值范围是不同的，比如我们在对人的属性建模的时候，人的体温取值都是在

Together_CZ·2022-12-27 08:24

基于PyTorch的图像数据归一化min-max normalization和zero-mean normalization操作实践对比分析

本文紧接前文：《python基于不同方法实现特征工程常用的归一化技术Normalization对比分析》前文主要是讲解对于数值型特征数据在特征工程或者是数据处理阶段往往需要用到数据尺度归一化操作，基于原生的对象和

Together_CZ·2022-12-27 08:53

02_机器学习相关笔记——特征工程（2）

等风来随风飘·2022-12-27 08:20

基于长短期记忆神经网络和卷积神经网络(convLSTM)的股票涨跌预测模型(附代码）

基于长短期记忆神经网络和卷积神经网络convLSTM的股票涨跌预测模型(附代码）一、研究背景与意义二、问题描述三、数据获取四、行情特征工程五、数据清洗六、模型算法设计1.模型选择2.模型构建3.最终模型七

卷寇·2022-12-26 17:18

【20210723】【机器/深度学习】“基于特征工程完成对贷款数据集Lending Club的预处理” 学习笔记

id=79&type=2&source=1相关知识点：数据预处理特征工程特征工程基本流程python相关库函数（pandas,numpy等）一、背景在机器学习领域，有这样一句话：“数据和特征决定了机器学习算法的上限

Satisfying·2022-12-26 11:48

机器学习（1）———— 概述

机器学习的一般步骤数据搜集数据清洗特征工程数据建模数据搜集数据清洗特征工程数据建模数据搜集数据清洗特征工程数据建模

hard rookie·2022-12-26 11:18

【毕业设计】银行营销数据分析系统 - 机器学习

文章目录0简介1前言2数据集3数据预览4数据预处理与特征工程4.1缺失值处理4.2分类变量数值化4.2.1二分类变量编码4.2.2有序分类变量编码4.2.3无序分类变量编码4.3数值特征预处理4.3.1

caxiou·2022-12-26 10:39

基于HOG+LBP完成特征工程，基于机器学习模型同时完成人脸识别+表情识别

这周前两天有时间我写了一篇博文，基于LBP和HOG实现人脸好表情特征的提取计算，之后分别训练了人脸识别模型和表情识别模型，在推理阶段实现了单张图像一次性人脸识别和表情识别的计算分析，但这个我前面就说了这个还是间接的实现方式，不是像深度学习那样可以通过构建训练一个多任务分类识别的模型可以实现单个模型同时完成多个任务，我在写上篇文章的时候突然想到了机器学习也有类似的技术，就是多标签分类的构建方式，这里

Together_CZ·2022-12-25 18:01

模型的过拟合问题及解决方案

模型的过拟合问题无论是机器学习或是深度学习，都是通过人为或机器的方式寻找观察变量的特征，用变量的特征表示观察值；那么在选取特征的时候，特征是否是这类变量的显著特征就是我们训练的目的和优化的方向；机器学习中我们采取人为寻找特征的方式进行特征工程训练模型

杨舒成(清霖)·2022-12-25 18:00

推荐频道

特征工程系列学习