特征工程系列学习第9页

dominic_z·2023-11-04 03:19

《labuladong的算法小抄》| 笔记

《labuladong的算法小抄》笔记第零章必读系列学习算法和刷题的框架思维一、数据结构的存储方式二、数据结构的基本操作三、算法刷题指南第零章必读系列计算机的递归思维，自顶向下，逐步求精，反向求解。

WaterontheMoom·2023-11-04 01:13

任务驱动学用融通——指向核心素养的学习任务群设计

语文学习任务群由相互关联的系列学习任务组成,共同指向学生的核心素养发展。那么，在实际教学中,如何以任务为驱动,在坚持素养导向的同时落实语文要素呢?现在我就以今天这节课为例，谈谈基于学习任务群视域下，

湃同学·2023-11-04 00:18

特征工程（二）——特征选择

实际工作中，特征工程是去除数据中的杂质，提炼为更合理的特征，供算法和模型使用。特征工程主要包括特征归一化、类型特征的表示、特征选择及非结构化数据的表示。本文主要介绍特征选择的常用方法。现实

叫我e卵石·2023-11-03 20:52

深度学习推荐系统-DeepCrossing

DeepCrossing1.动机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再推荐系统的应用问题

Q_cy·2023-11-03 09:02

Java系列学习笔记 --- 集合(4) 集合框架知识汇总

目录前言一、集合概述1.1Set接口1.2List接口1.3Map接口二、Collection接口2.1遍历Collection接口2.1.1for-each循环迭代2.1.2ForEach(consumeraction)方法2.1.3Iterator迭代器三、Set集合3.1HashSet类3.2TreeSet类定制排序四、List集合4.1ArrayList类4.2LinkedList实现类五

LaoYe - IT·2023-11-03 03:59

多线程进阶：synchronized底层原理，锁优化、锁升级的过程

synchronized底层原理Java对象组成MarkWord二、JVM对synchronized的优化锁消除锁粗化锁升级三、锁升级的过程偏向锁轻量级锁重量级锁优缺点提示：以下是本篇文章正文内容，Java系列学习将会持续更新一

一只咸鱼。。·2023-11-03 02:38

机器学习

目录准备特征工程：scikit-learn介绍：数据特征抽取：热编码：适合类别型数据处理方式sklearn特征抽取API字典特征抽取文本特征抽取TF_IDF(评估重要性):数据特征预处理：通过数学算法把数据转为算法要求的数据归一化算法

性感奎爷在线写代码·2023-11-02 19:00

Kubernetes 系列学习笔记 - 理论详解（初识 K8s）

文章目录前言Kubernetes/K8s理论详解1.K8s是什么？2.K8s特性3.小拓展（业务升级）4.K8s集群架构与组件①架构拓扑图：②Master组件③Node组件5.K8s核心概念前言Kubernetes，简称K8s，是一个开源的，用于管理云平台中多个主机上的容器化的应用其技术难度与入门门槛较高，学习之前，建议掌握以下基础：熟悉Linux基础命令熟悉Docker基本管理了解SSL证书工作

Xucf1·2023-11-02 17:55

计算机网络原理系列学习笔记（三）——传输层

前言网课学习的视频来源：b站《自考04741计算机网络原理》本章知识结构传输层的基本服务传输层的复用与分解停—等协议与滑动窗口协议用户数据报协议(UDP)传输控制协议（TCP)传输层的基本服务一、传输层功能核心任务：为应用进程提供端到端的逻辑通信服务主要功能：传输层寻址应用层报文的分段与重组报文的差错检测进程间的端到端可靠数据传输控制面向应用层实现复用与分解端到端的流量控制拥塞控制需要注意的是：传

爱喝粥的Young同学·2023-11-02 07:32

openEuler 笔记：进程1：程序的加载运行、进程的描述（PCB、进程状态）

本系列学习笔记基本上是博主的《openEuler操作系统》读书笔记，中间插入一些自己查的资料以及翻到的感觉有用的源代码默认架构为ARM程序及其加载执行类UNIX的二进制程序一般为ELF格式，一个【逻辑意义上作为整体的程序

marsCatXDU_李经纬·2023-11-02 06:25

算法工程师每天都在干嘛？

相信大部分算法工程师每天的工作都是：提出技术方案->收集数据->预处理数据->撰写特征工程->模型训练->调参->看结果->调参->看结果->重新收集数据->预处理数据->收集更多数据->调参->调参-

Amusi（CVer）·2023-11-02 01:13

_龙雀·2023-11-01 22:27

Flutter笔记——handleDrawFrame帧绘制系列之一(源码学习)

Flutter系列学习笔记Flutter笔记——handleDrawFrame帧绘制系列之一(源码学习)Flutter笔记——runApp发生了什么(源码学习)Flutter笔记——State.setState

茶太浓·2023-11-01 17:00

特征工程实践总结

特征工程是将原始数据，通过业务逻辑理解、数据变换、特征交叉与组合等方式，量化成模型训练和预测可直接使用的特征的过程。其中主要包括了数据认知，数据清洗，特征构建，特征选择四个部分。

caomengsi·2023-11-01 14:53

论文阅读 - DCGNN: Dual-Channel Graph Neural Network for Social Bot Detection

现有的方法可以分为特征工程和基于深度学习的方法，它们主要关注静态特征，例如帖子特征和用户档案。

无脑敲代码，bug漫天飞·2023-11-01 12:59

读懂诗歌：Louise Glück 系列学习（七）你需要在每个不懂的意象处停留

《露易斯.格利克：所谓痛苦，就是我没有被人爱过，我却还爱着》文/巴黎夜玫瑰路易斯·格丽克的诗集很多，但目前国内引进的只有两本书，一本是《直到世界反映了灵魂最深层的需要》，另一本是《月光的合金》。其中第一本书包含了2006年的诗集《阿弗尔诺》，2009年的诗集《村居生活》，以及早期的几本诗集《头生子》，《沼泽地上的房屋》，《下降的形象》，《阿基里斯的胜利》，和《阿勒山》；所以今天的解析，我先从她早期

Annie灵兮·2023-11-01 11:40

CS224W3.1——节点Embedding

传统图机器学习流程是这样的：从之前的文章中，我们看到了如何将机器学习与特征工程结合起来，对节点、链接和图形进行预测。在本文中，我们将重点介绍一种称为图表示学习的新技术，它可以减轻对特征工程的需求。

阿牛大牛中·2023-11-01 05:57

Azure机器学习 - 在 Azure 机器学习中上传、访问和浏览数据

设置内核三、下载使用的数据四、创建工作区的句柄五、将数据上传到云存储空间六、访问笔记本中的数据七、创建新版本的数据资产八、清理资源机器学习项目的开始阶段通常涉及到探索性数据分析(EDA)、数据预处理（清理、特征工程

TechLead KrisChang·2023-10-31 21:55

机器学习之特征工程

机器学习之特征工程转载自：点击打开链接在这个振奋人心的程序员节日里，我决定认真地写一篇文章来纪念一下自己这长达六年程序员史。

jiangjiane·2023-10-31 08:21

机器学习-特征工程

一、特征工程介绍1.1什么是特征数值特征（连续特征）、文本特征（离散特征）1.2特征的种类1.3特征工程特征是机器学习可疑直接使用的，模型和特征之间是一个循环过程；实际上特征工程就是将原始数据处理成机器学习可以直接使用数据的过程

lalajh·2023-10-31 08:19

滴滴大数据算法大赛Di-Tech2016参赛总结

https://www.jianshu.com/p/4140be00d4e3题目描述建模方法特征工程我的几次提升方法从其他队伍那里学习到的提升方法总结和感想神经网络方法的一点思考大数据量与分布式计算的一点思考参加比赛和学习知识的对比最后的感受趣事写在前面我是一个之前

weixin_30325071·2023-10-31 06:35

机器学习之逻辑回归（Logistic Regression）

逻辑回归一、逻辑回归理论概述二、sklearn逻辑回归的使用1.正则化参数2.特征工程（可解释的特征降维）：embedded3.梯度下降：重要参数max_iter4.二元回归和多元回归重要参数：solver

`AllureLove·2023-10-31 02:42

基于【逻辑回归】的评分卡模型金融借贷风控项目实战

完整的模型开发所需流程包括：获取数据，数据清洗和特征工程，模型开发，模型检验和评估，模型上线，模型检测和报告。

数字生命Allen·2023-10-31 02:38

Ruby系列学习资料（三）

三、OOPinRubyRuby的所有元素与OOP语言关系更密切，如对象封装，数据隐藏，方法的多态和覆写，类的层次和继承。它更进一步地添加了有限制的元类特征，单态方法，模块和混插。类似的概念在其它OOP语言内使用了其它的名字，但是相同名字的概念在语言之间也有些差别。这个部分详尽阐述OOP的这些元素在Ruby中的理解和用法。1、对象在Ruby中，所有的数字，字符串，数组，正则表达式，和更多其它实体都是

lee576·2023-10-30 19:47

ML&DEV[9] | gRPC初体验

往期回顾：ML&DEV[4]|机器学习进阶线路ML&DEV[5]|系统理解特征工程ML&DEV[6]|算法工程师Linux必知必会ML&

机智的叉烧·2023-10-30 18:37

【机器学习】项目数据处理部分

文章目录前言项目理解数据探索特征工程总结前言本文参考《阿里云天池大赛赛题解析》，拿到一个项目或者赛题，使用机器学习来进行预测分类，需要以下七个步骤：项目（赛题）理解数据探索特征工程模型训练模型验证特征优化模型融合本本是数据处理

高朗·2023-10-30 10:09

分布式数据库学习4-事务一致性

《暗时间》刘未鹏此系列学习分布式数据库30讲的笔记，导图是本文结构，具体细节在后文，可用导图回忆框架，具体细节再具体查看。文章图片和部分内容来自极客时间，如有版权问题，请联系我删除。

尔等同学·2023-10-29 20:54

Java多线程之wait和notify详解以及实现阻塞队列

文章目录一、wait()和notify()Condition二、阻塞队列JDK中的BlockingQueue自己实现一个阻塞队列提示：以下是本篇文章正文内容，Java系列学习将会持续更新一、wait()

一只咸鱼。。·2023-10-29 20:23

数据特征工程 | 基于PCA算法（Python）

随着数据量的不断增加和数据维度的不断扩展，如何进行高效的数据降维处理成为了一个热门话题。在数据分析领域，PCA算法作为一种常用的数据降维方法，可以对多个特征进行降维，提高计算效率和降低存储空间需求。本文以波士顿房价数据集为例，探讨如何利用PCA算法对房屋价格进行降维。本文将通过Python代码实现PCA降维，并使用波士顿房价数据集进行演示。我们将从数据加载、模型训练到PCA降维和数据可视化全方位地

算法如诗·2023-10-29 14:42

特征工程——数据降维

基于特征选择的降维基于特征选择的降维指的是根据一定规则和经验，直接选取原有维度的一部分参与到后续的计算和建模过程，用选择的维度代替所有维度，整个过程不产生新的维度。基于特征选择的降维方法有4种思路：·经验法：根据业务专家或数据专家的以往经验、实际数据情况、业务理解程度等进行综合考虑。业务经验依靠的是业务背景，从众多维度特征中选择对结果影响较大的特征；而数据专家则依靠的是数据工作经验，基于数据的基本

李代数·2023-10-29 14:42

数据特征工程 | 基于KPCA算法（Python）

当我们处理高维数据时，经常会遇到维度灾难的问题，即许多算法无法有效处理高维数据，且计算不仅变得更加复杂，还存在过拟合和维数诅咒等问题。因此，如何有效地降低数据维度是一个关键问题。为此，很多学者提出了各种降维算法，其中主成分分析（PCA）是最常见的一种方法。然而，在许多应用中，由于数据并不是线性可分的，因此PCA的优化目标并不能很好地适应这些数据。在这种情况下，核主成分分析（KPCA）算法被广泛使用

算法如诗·2023-10-29 14:41

机器学习(一) —— 机器学习基础

Python——机器学习机器学习(一)——机器学习基础一、数据集1.1加载数据集1.2划分数据集二、特征工程2.1特征预处理(归一化/标准化)2.2特征降维(特征选择/主成分分析/线性判别器)2.3特征提取

share16·2023-10-29 09:41

python 机器学习（一）机器学习概述与特征工程

同步更新在个人网站：http://www.wangpengcufe.com/machinelearning/pythonml-pythonml1/一、机器学习概述1.1、什么是机器学习？机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测1.2、为什么需要机器学习？解放生产力，智能客服，可以不知疲倦的24小时作业解决专业问题，ET医疗，帮助看病提供社会便利，例如杭州的城市大脑1

王小鹏的随笔·2023-10-29 09:41

sklearn进行机器学习 ( 一天掌握 )

目录文章目录目录机器学习特征工程特征抽取skearn数据集使用字典特征提取文本特征抽取中文文本特征抽取中文分词中文文本特征抽取-自动分词TF-IDF特征预处理归一化标准化（大数据用）特征降维特征选择主成分分析

鼠小米·2023-10-29 09:40

Python机器学习从零开始（三）数据准备

在机器学习的应用开发中，最基础的是特征工程。——吴恩达1.数据预处理数据预处理需要根据数据本身的特性进行，有缺失的要填补，有无效的要剔除，有冗余维的要删除，这些步骤都和数据

靖墨c·2023-10-29 09:10

机器学习的练功心法（三）——特征工程

文章目录致谢3特征工程3.1Sklearn工具及数据集3.2数据集3.3数据集的划分3.4特征工程介绍3.4.1为什么需要特征工程3.4.2什么是特征工程3.4.3特征提取3.4.3.1字典特征提取3.4.3.2

ArimaMisaki·2023-10-29 09:40

一文看懂特征工程

顺便将自己对特征工程的所有理解系统地整理出来，给自己做个笔记，也给未来的小白做个领路。这便文章不仅有对特征工程系统的解析，还会有python代码的实例演示，让我们一起出发吧！

是猪哥不是诸葛·2023-10-29 07:53

虚拟机VMware Workstation安装Linux系统Centos7教程

/也可以关注微信公众号CodeSheep一、安装目的学习编程，提前备好Linux系统环境非常重要，建议人手一套，这样方便后续学Linux、用Linux、Linux环境编程、应用和项目部署、工具实验等一系列学习和实践

Melody_3016·2023-10-29 07:20

《趣谈网络协议》00～04笔记

写的博客都放在了这个仓库里iOS-Engineer-Interview欢迎star其中的博客在，CSDN都有发布博客中提到的相关的代码Demo可以在仓库里相应的文件夹里找到前言该系列为学习《趣谈网络协议》的系列学习笔记总结内容包括其中的重要知识概念

太阳骑士索拉尔·2023-10-29 02:44

数据特征工程 | 主成分分析（Python）

特征抽取（featureextraction）和特征选择（featureselection）不一样，特征抽取是从原特征集中推导出有用的信息构成新的特征集。特征选择是从原特征集中选择一部分子集作为训练特征。特征抽取将数据集从一个特征空间投影到了一个更低维度的特征空间。主成分分析（principalcomponentanalysis，PCA）是一种的无监督线性变换技术，主要用于特征抽取和降维。假设原始

算法如诗·2023-10-28 23:42

图解机器学习特征工程

文章目录引言特征工程1.特征类型1.1结构化vs非结构化数据1.2定量vs定性数据2.数据清洗2.1数据对齐2.2缺失值处理原文链接：https://www.showmeai.tech/article-detail

赵孝正·2023-10-28 20:39

机器学习特征工程：处理缺失值填充的5大技巧

大家好，本文分享Pandas中缺失值填充的5大技巧：填充具体数值，通常是0填充某个统计值，比如均值、中位数、众数等填充前后项的值基于SimpleImputer类的填充基于KNN算法的填充数据importpandasaspdimportnumpyasnpdf=pd.DataFrame({"A":list(range(1,9)),"B":list(range(5,13)),"C":list(range

Python数据挖掘·2023-10-28 17:23

Redis 集群

2cluster节点操作命令3-3redis-trib命令3-4搭建3主3从结构①开启6个redis服务器②节点连接③读写数据④从节点下线⑤主节点下线-->主从切换提示：以下是本篇文章正文内容，Redis系列学习将会持续更新一

一只咸鱼。。·2023-10-28 08:52

机器学习之路：FaceBook预测案例分析-----＞KNN算法的应用与调优

小白的机器学习之路（二）引子学习机器学习基础：从理论到实践了解机器学习机器学习的定义机器学习的分类机器学习的基本原理掌握数据预处理数据清洗特征选择特征工程分类算法sklearn转换器和预估器KNN算法获取数据数据集划分特征工程

是一个Bug·2023-10-28 02:25

程序分析 clang系列学习（一）

clang-static-analyzer一.关于llvm/clang/CSA二.clang的使用2.1.dump出token序列2.2.dump出AST2.3.dump出CFG2.4.生成IR三.CSA的使用3.1.使用示例3.2.开发自定义checker参考文档接触了程序分析这么久，对程序分析依旧一知半解，导师建议我们可以学习下clang-static-analyzer(CSA)，重点从编写自

I still …·2023-10-28 01:40

【无标题】

具体步骤：一、读取数据集二、数据分析三、数据清洗四、特征工程五、模型训练与验证六、输出结果七、小结参考链接：https://datawhaler.feishu.cn/docx/C6jvdEwsSo3JMwxFj1

LucyFang2020·2023-10-28 00:49

特征工程优化

参考链接https://www.bilibili.com/video/BV1WN4y1k7R1/?buvid=XU0E30D0C6006B7F1EE1425156434CFEC440F&from_spmid=tm.recommend.0.0&is_story_h5=false&mid=fMtk7pz9LsVpSyGt0Mcizg%3D%3D&p=1&plat_id=116&share_from=u

LucyFang2020·2023-10-28 00:18

机器学习项目实战

Titanic幸存者预测-监督学习分类1.数据准备2.数据加载及处理1.加载结构化的训练集2.处理缺失值，异常值3.特征工程4.逻辑回归算法训练模型5.模型性能评估6.模型持久化6.1sklearn0.21

laufing·2023-10-27 18:22

机器学习（python）笔记整理

目录一、数据预处理：1.缺失值处理：2.重复值处理：3.数据类型：二、特征工程:1.规范化：2.归一化：3.标准化(方差)：三、训练模型：如何计算精确度，召回、F1分数一、数据预处理：1.缺失值处理：在数据中存在缺失值的情况下

小辉懂编程·2023-10-27 08:24

推荐频道

特征工程系列学习

【推荐与广告】积累与发现