特征工程-数据降维

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

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

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

【PyTorch][chapter 14][李宏毅深度学习][Word Embedding]

前言：这是用于自然语言处理中数据降维的一种方案。
明朝百晓生·2024-02-05 11:06

evalml，一个有趣的 Python 库！

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
Sitin涛哥·2024-02-04 16:56

【C题完整论文】2024美赛完整论文+代码参考（无偿分享）

C题：网球运动中的动力一、问题分析1.1问题一分析针对该问题，经过数据清洗和特征工程处理之后，即考虑对动量指标的定义，通过数据分析和相关性计算，选取是否发球、是否取得压制性得分、跑动差和失误率这四项指标作为基本的影响指标
RS_数模加油站·2024-02-04 11:33

机器学习系列——（六）数据降维

引言在机器学习领域，数据降维是一种常用的技术，旨在减少数据集的维度，同时保留尽可能多的有用信息。数据降维可以帮助我们解决高维数据带来的问题，提高模型的效率和准确性。
飞影铠甲·2024-02-03 11:55

主成分分析PCA、KPCA，贡献度计算，特征降维，散点图，从入门到精通，Matlab程序，一键运行！

适用平台：Matlab2021及以上什么是数据降维：数据降维是指将高维度的数据映射到低维度的空间中，同时保留数据中的重要信息。
预测及优化·2024-02-03 09:42

单细胞scRNA-seq测序基础知识笔记

单细胞scRNA-seq测序基础知识笔记scRNA-seq技术scRNA-seq分析流程数据预处理聚类标准化数据筛选有用的数据数据降维聚类Clustering注释细胞类型scRNA数据分析结尾该笔记来源于
是土豆大叔啊！·2024-02-03 05:38

算法大览：24美赛深度总结与代码分享

内容包括数据降维、聚类、论文写作、异常值检测、论文配图、图像相关算法以及机器学习自动化预测等多个主题，其中包含详实的案例和实用的代码示例。最后，祝大家取得好成绩！
小Z的科研日常·2024-02-02 14:21

paper1:Wide & Deep Learning for Recommender Systems

论文整理待写：Wide&DeepModels--2018.12.1/12.2两天1、论文创新点广义线性模型存在需要太多特征工程的工作；深度模型的embedding的过度概括化以至于推荐不太相关的物品当用户数据比较稀疏时
是黄小胖呀·2024-02-02 13:08

新书速览|Python数据科学应用从入门到精通

数据清洗、特征工程、数据可视化、数据挖掘与建模等已成为高校师生和职场人士迎接数字化浪潮、与时俱进提升专业技能的必修课程。
全栈开发圈·2024-02-02 12:47

深度学习-基础过关

机器学习流程主要分为四步：1.数据获取-->2.特征工程-->3.建立模型-->4.评估与应用。深度学习是机器学习的一
代码不行的搬运工·2024-02-02 09:38

目标检测的发展史及关键技术概述

目录早期阶段：模板匹配与特征工程机器学习时代：特征学习的兴起深度学习革命：CNN的突破区域建议网络（R-CNN）系列
kadog·2024-02-02 08:17

机器学习系列4-特征工程

机器学习系列4-特征工程学习内容来自：谷歌ai学习https://developers.google.cn/machine-learning/crash-course/framing/check-your-understanding
喜乐00·2024-02-02 07:36

重庆二手房数据爬取与分析实现

同时在模型训练过程中，理由特征工程的处理，优化特征，选取更好的模型精度和泛
叫我：松哥·2024-01-31 18:00

金融风控Task2-数据分析

为特征工程做准备内容介绍数据总体了解：读取数据集并了解数据集大小，原始特征维度；通过info熟悉数据类型；粗略查看数据集中各特征基本统计量；缺失值和唯一值：查看数据缺失
sunflowers11·2024-01-31 14:17

二手车交易价格预测中的特征工程

赛题数据维度包括FieldDescriptionSaleID交易ID，唯一编码name汽车交易名称，已脱敏regDate汽车注册日期，例如20160101，2016年01月01日model车型编码，已脱敏brand汽车品牌，已脱敏bodyType车身类型：豪华轿车：0，微型车：1，厢型车：2，大巴车：3，敞篷车：4，双门汽车：5，商务车：6，搅拌车：7fuelType燃油类型：汽油：0，柴油：1，
有机会一起种地OT·2024-01-31 10:55

第4章 python深度学习——（波斯美女）

第4章机器学习基础本章包括以下内容：除分类和回归之外的机器学习形式评估机器学习模型的规范流程为深度学习准备数据特征工程解决过拟合处理机器学习问题的通用工作流程学完第3章的三个实例，你应该已经知道如何用神经网络解决分类问题和回归问题
weixin_42963026·2024-01-31 05:25

揭开时间序列的神秘面纱：特征工程的力量

目录写在开头1.什么是特征工程？
theskylife·2024-01-31 05:40

基于PCA算法的人脸识别介绍

学号：17020110019姓名：高少魁【嵌牛导读】PCA算法作为一种经典的数据降维算法，可以对数据进行有效的降维。
Clearlovekui9·2024-01-30 20:54

R语言(数据导入，清洗，可视化，特征工程，建模)

记录一下痛失的超级轻松的数据分析实习（线上），hr问我有没有相关经历，我说我会用jupyterbook进行数据导入，清洗，可视化，特征工程，建模，python学和用的比较多，然后hr问我会不会R，我直接蒙了
是lethe先生·2024-01-30 10:22

5、主成分分析（Principal Component Analysis）

文章目录1、简介2、主成分分析3、PCA用于特征工程4、示例-1985年的汽车1、简介在上一课中，我们研究了我们的第一个基于模型的特征工程方法：聚类。
AI算法蒋同学·2024-01-30 07:15

4、K- 均值聚类（Clustering With K-Means）

在预测的特征工程上下文中，你可以将无监督算法视为"特征发现"技术。聚类简单地意味着根据数据点之间的相似性将数据点分配到组中。聚类算法使得"物以类聚"，可以这
AI算法蒋同学·2024-01-30 07:40

matlab数学建模方法与实践 笔记2：数据的准备

笔记21.数据的读取与写入excel、txt读图读视频2.数据预处理缺失值噪声过滤数据集成数据归约数据变换3.数据统计4.数据可视化P431.m常见统计量绘制于分布图中数据关联箱型图5.数据降维PCAMATLAB
是Yu欸·2024-01-30 00:06

数据降维方法介绍（九）

第五种方法：核主成分分析（KPCA）姓名：何源学号：21011210073学院：通信工程学院转载：KPCA实现【嵌牛导读】核主成分分析算法介绍（KPCA）【嵌牛鼻子】KPCA【嵌牛提问】核算法是什么？KPCA算法的步骤是什么？【嵌牛正文】KPCA算法介绍KPCA算法实际上就是加核的PCA算法，它主要针对于非线性可分问题，给出了一种对该类问题进行特征提取的有效方式。与PCA特征提取算法类似，KPCA
科技小白不能再白了·2024-01-29 00:00

用机器学习方法来预测设备故障

最近做了一个项目，根据设备的状态，来判断设备是否有故障，这里总结一下所用到的数据探索，特征工程以及机器学习模型等方法。
gzroy·2024-01-28 18:30

python-scikit-learn基础

文章目录前言1.scikit-learn自带数据集2.scikit-learn数据降维3.scikit-learn数据预处理4.scikit-learn数据集划分5.scikit-learn模型调用1.
木心心以向荣·2024-01-28 06:11

数据特征工程 | 主成分分析原理及python代码实现

PCA广泛应用于数据降维、特征抽取、数据压缩等领域。PCA的主要目的是减少数据的维度，同时保留数据集中的大部分信息。
算法如诗·2024-01-28 05:02

《特征工程入门与实践》--特征构建

《特征工程入门与实践》-特征构建检查数据集为了进行演示，本章会使用我们自己创建的数据集，以便展示不同的数据等级和类型。我们
「已注销」·2024-01-28 04:18

Scikit-Learn 高级教程——高级特征工程

PythonScikit-Learn高级教程：高级特征工程特征工程是机器学习中不可或缺的一部分，而高级特征工程则涉及更复杂的技术和方法。
Echo_Wish·2024-01-28 04:45

1、什么是特征工程

1、欢迎来到特征工程！!在这门课程中，你将学习到构建一个优秀的机器学习模型过程中最重要的一步：特征工程。
AI算法蒋同学·2024-01-28 01:39

数学建模之数据预处理-------数据异常值的处理

1.数据集成：把不同类型的数据转换成统一的类型；，即格式的统一化；2.数据规约：包括数据降维，降数据，数据压缩当不同数据相关性很大时，我们采用降维的方法；当数据的相关性很小时，我们采用降数据的方法数据降维的主成分分析即
阑梦清川·2024-01-27 19:03

在线作图丨数据降维方法③——正交偏最小二乘方判别分析（OPLS-DA）

Question1：什么是PLS-DA？与PCA不同，PLS是“有监督”模式的偏最小二乘法分析，也就是在分析数据时，已知样本的分组关系，这样可以更好的选择区分各组的特征变量，确定样本之间的关系。DA是判别分析，PLS-DA用偏最小二乘回归的方法，在对数据“降维”的同时，建立了回归模型，并对回归结果进行判别分析。OPLS-DA是在PLS-DA的基础上，进行了正交变换的矫正，可以滤除与分类信息无关的噪
维凡生物·2024-01-27 17:34

【特征工程】特征选择及mRMR算法解析

【嵌牛鼻子】：特征工程、mRMR算法【嵌牛提问】：不同模型有不同的特征适用类型？【嵌牛正文】：特征子集的搜索：（1）子集搜索问题。比如逐渐添加相关特征（前向forward搜索）或逐渐
随心所欲_7b32·2024-01-27 09:56

【AI算法】数据王国的大冒险-谈三种数据降维的机理

在一个遥远的数据王国里，高维数据们快乐地生活在一起。他们每个人都有许多特征，就像彩虹有七种颜色一样。然而，随着时间的推移，高维数据们发现自己越来越难以管理，因为每个特征都需要大量的存储空间和维护工作。为了解决这个问题，数据王国决定举办一场降维大赛。他们邀请了王国中最聪明和最勇敢的数据科学家们来参加这场比赛，看看谁能找到最有效的降维方法。降维大赛国王说道，为了简化管理，我引入了一种名为降维的策略。这
德天老师·2024-01-27 07:54

XGBoost系列8——XGBoost的未来：从强化学习到AutoML

目录写在开头1.XGBoost在强化学习中的应用1.1构建强化学习问题1.2XGBoost与深度强化学习的对比1.3实际任务中的成功案例2.XGBoost与AutoML的结合2.1XGBoost在自动特征工程中的应用
theskylife·2024-01-26 21:21

机器学习没那么难，Azure AutoML帮你简单3步实现自动化模型训练

在MachineLearning这个领域，通常训练一个业务模型的难点并不在于算法的选择，而在于前期的数据清理和特征工程这些纷繁复杂的工作，训练过程中的问题在于参数的反复迭代优化。
AI普惠大师·2024-01-26 07:55

特征工程自动化如何为机器学习带来重大变化

摘要：机器学习中最重要的领域之一是特征工程，却被严重地忽视了。这个重要领域中最成熟的工具就是Featuretools，一个开源的Python库。
城市中迷途小书童·2024-01-26 04:17

深度学习推荐系统之DeepCrossing

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
YANJINING·2024-01-25 17:17

深入浅出特征工程 – 基于 OpenMLDB 的实践指南（上）

1.什么是机器学习的特征工程一个真实场景的机器学习应用一般会包含两个主体流程，即特征工程和机器学习模型（以下简称模型）。
第四范式开发者社区·2024-01-25 10:01

机器学习笔记02：特征工程

机器学习笔记02：特征工程文章目录机器学习笔记02：特征工程1.特征工程定义2.数据的特征抽取：1.字典特征抽取：2.文本特征抽取：3.tf-df分析问题3.特征预处理1.特征处理的方法：1.数值型数据
fafagege11520·2024-01-25 09:12

Task2 数据分析 (1)

Task2数据分析此部分为零基础入门金融风控的Task2数据分析部分，带你来了解数据，熟悉数据，为后续的特征工程做准备，欢迎大家后续多多交流。
__y__·2024-01-25 08:57

分销商产品未来销售情况预测--数据分析实战

目录介绍知识点未来销售额预测介绍导入数据并预览训练集销售商品的类别信息商品信息数据集商店信息数据可视化每天的销售量分布图销售价格分布图商店的分布情况商店所有商品的价格情况商店每天的销售情况商品的种类信息哪种类别的商品卖得最好数量前二十五个商品信息这些商品与总销售额的关系特征工程构建模型分析总结介绍以往数据分析中
HHAoW·2024-01-24 18:23

西班牙高速列车票价预测分析--数据分析实战

知识点数据清洗特征工程预测模型构建数据集预处理数据在资源里。现在先来加载数据，通过下面代码下载数据。加载并预览数据前五行importpand
HHAoW·2024-01-24 18:52

XGBoost系列5——XGBoost的集成学习之旅

的梯度提升树特性2.2正则化项的引入2.3学习速度与性能优势2.4与传统集成学习算法的对比3.如何在实际项目中使用XGBoost进行集成3.1数据集特征与评估指标的选择3.2XGBoost模型的选择与调优3.3特征工程的重要性
theskylife·2024-01-24 11:34

Optional Lab: Feature Engineering and Polynomial Regression

GoalsInthislabyouwillexplorefeatureengineering(特征工程)andpolynomialregression(多项式回归)，使我们可以使用线性回归机制来拟合非常复杂甚至非线性的函数
gravity_w·2024-01-24 04:08

2023“SEED”第四届江苏大数据--新能源赛道 复赛Btop2总结

交流群里面有人喊话：单模220，如果真的是这样，也很想学习下特征工程的思路以及使用模型。这个比赛让我感觉很诧
汀沿河·2024-01-23 09:00
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他