特征工程-数据降维第26页

用户行为序列的特征设计和挖掘思路分享

风控用户行为序列的特征设计和挖掘本回答将分为三个部分：业务理解：风控包含哪几个阶段以及各阶段任务手动构建特征方法自动特征工程方法业务理解金融风控，可以是对于信贷类金融风控（银行贷款，花呗，信用卡等），也可以是现金支出

Pysamlam·2023-01-05 16:48

吴恩达Couresa课程——第二部分：监督学习week2 （已结束）

4.2多项式回归以多元线性回归和特征工程的思想得到一种称为多项式回归的新算法。可以拟合非线性曲线。

jqqjrr123·2023-01-05 13:38

机器学习——特征工程

目录特征工程特征构造特征选择特征提取模拟训练训练数据收集方法特征工程特征工程就是一个从原始数据提取特征的过程，这些特征可以很好地描述这些数据，并且利用它们建立的模型在未知数据上的性能可以达到最优，最大限度减少

谭盐.·2023-01-05 12:00

大数据及人工智能复习系列4 遗传算法

在使用了几个简单模型做了一些特征工程之后，我在排行榜上名列第219名。虽然结果不错，但是我还是想做得更好。于是，我开始研究可以提高分数的优化方法。结果我果然找到了一个，它叫遗传算法。

hong2511·2023-01-05 12:56

一文读懂遗传算法（附python）

在使用了几个简单模型做了一些特征工程之后，我在排行榜上名列第219名。虽然结果不错，但是我还是想做得更好。于是，我开始研究可以提高分数的优化方法。结果我果然找到了一个，它叫遗传算法。

BigQuant·2023-01-05 12:55

【Gensim + TSNE使用】word2vec词向量处理中文小说（词嵌入、高维数据降维）

词嵌入，使用TSNE进行数据降维，使用plt可视化词嵌入结果。效果图男主与各个女主的词向量嵌入到了一起本文用到的资源：小说下载地址停止词集合下载地址代

FUTUREEEEEE·2023-01-05 10:51

数据压缩算法PCA使用指南

使用的用途很广，在人脸识别中（EigenFace，deepid）,三维人脸重建中的（3DMM模型），想用数据降维时，通过PCA降维可以发现更便于人类理解的

深度之眼·2023-01-05 09:26

2022 机器学习岗位算法最全面面试题汇总

本资料有详细的知识体系目录，从机器学习模型，线性模型（LR,Lasso,Ridge）,验证方式（过拟合，欠拟合，交叉验证等），分类，正则化，特征工程，决策树，KNN,SVM,集成学习等

cc13186851239·2023-01-05 09:17

深度梳理：机器学习建模调参方法总结

注意：文末提供技术交流方法前言建模调参：特征工程也好，数据清洗也罢，都是为最终的模型来服务的，模型的建立和调参决定了最终的结果。模型的选择决定结果的上限，如何更好的去达到模型上限取决于模型的调参。

Python数据挖掘·2023-01-05 02:56

【2 - 随机森林 - 案例部分：随机森林在乳腺癌数据上的调参】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

如何原谅奋力过但无声·2023-01-04 20:14

心跳信号分类预测-特征工程

本节的主要内容是对心跳信号时间序列数据的做特征工程，用到的时间序列特征处理工具是—Tsfresh（TimeSeriesFresh）。

sq_12345678·2023-01-04 14:20

【算法竞赛学习】心跳信号分类预测-特征工程

Task3特征工程此部分为零基础入门数据挖掘-心跳信号分类预测的Task3特征工程部分，带你来了解时间序列特征工程以及分析方法，欢迎大家后续多多交流。

jaeden_xu·2023-01-04 14:49

机器学习之特征工程详解

特征工程是指使用专业的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生更好的作用的过程。

九章云极DataCanvas·2023-01-04 14:12

考察数据科学家数据降维知识的40道题，快来测测吧

来源：阿里云栖社区https://yq.aliyun.com/articles/74399更多深度文章，请关注：https://yq.aliyun.com/cloud作者介绍AnkitGupta：数据科学家、IIITAllahabad研究助理，热爱解决复杂的数据挖掘问题、了解更多关于数据科学和机器学习算法，目前致力于预测软件缺陷的项目。领英：https://www.linkedin.com/in/

uncle_ll·2023-01-04 13:05

数据降维知识40题(附答案)

数据降维知识40题(附答案)摘要：本文例举了一个针对数据科学家的数据降维测试，测试总共有40道题，涉及的内容主要有PCA、t-SNE以及LDA降维技术。想检验下自己对降维技术掌握的情况就赶快测测吧。

isuccess88·2023-01-04 13:33

数据降维和特征选择

数据降维和特征选择博主言：本文作为理论和概念整理，不做公式推导和详解计算过程，如需了解相关概念的计算公式和过程，在文后的参考链接中有详细的公式，计算过程和实例。

Mrgray·2023-01-04 13:03

特征工程数据预处理

1、快速查看整体信息.info()查看多种信息：总行数和列数、每列元素类型和non-NaN的个数，总内存DataFrame.info(verbose=None,memory_usage=True,null_counts=True)verbose：TrueorFalse，字面意思是冗长的，也就说如何DataFrame有很多列，是否显示所有列的信息，如果为否，那么会省略一部分；memory_usage

小白冲冲冲··2023-01-04 12:02

tensorboard 数据降维分布图_tensorboard中的histogram图表中的数据如何导出呢？

勾选左上角的Showdatadownloadlinks，在图旁边可以选csv或者json格式下载通过读取csv文件可以用matplotlib把图画出来导出的csv格式如下：Walltime,Step,Value1545652724.213314,3541,0.4037384092807771545653836.692273,7081,0.65411460399627691545654955.107

weixin_39665379·2023-01-04 10:58

python异常值检测模型_【一点资讯】代码详解：适用20种算法的PyOD库，检测异常值如此优秀 www.yidianzixun.com...

数据探索包括许多因素，例如变量识别、缺失值处理、特征工程等。检测和处理异常值也是数据探索阶段的主要因素

weixin_39657575·2023-01-04 09:29

异常检测算法之局部异常因子算法-Local Outlier Factor(LOF)

0、简介在数据挖掘方面，经常需要在做特征工程和模型训练之前对数据进行清洗，剔除无效数据和异常数据。异常检测也是数据挖掘的一个方向，用于反作弊、伪基站、金融诈骗等领域。

那记忆微凉·2023-01-04 09:24

自然语言处理第十章信息抽取复习

信息抽取信息抽取复习重点：信息抽取概述从任务内容分为：从处理文档类型分为：从发展时间和处理文档分为：实体识别与抽取限定域命名实体识别基于规则或字典的方法：规则模版（字典）+匹配统计学习方法：特征工程+算法

SiYuanFeng·2023-01-04 09:14

PaperWeekly 第十二期---文本摘要

传统的文本摘要方法，不管是句子级别、单文档还是多文档摘要，都严重依赖特征工程，随着深度学习的流行尤其是seq2seq+attention模型在机器翻译领域中的突破，文本摘要任务也迎来了一种全新的思路

weixin_33824363·2023-01-04 08:41

均值，方差，标准差

在做【特征工程】的时候，会出现缺失值，那么经常会用到使用平均值或者中位数等进行填充。平均值平均值的概念很简单：所有数据之和除以数据点的个数，以此表示数据集的平均大小；其数学定义为以下面5个数据为例。

feidaji·2023-01-03 18:52

8.主成分分析（PCA），算法思想与流程，思考与建议

1.数据降维降维就是一种对高维度特征数据预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。

⁠脱欢·2023-01-03 17:10

【学习笔记】机器学习

机器学习算法模型构建过程：1.获取数据集2.对数据集进行特征工程处理（如标准化、异常值、缺失值）3.划分训练集（TrainingSet）、测试集（TestSet）、验证集（ValidationSet）4

想当运维的程序猿·2023-01-03 12:58

机器学习之主成分分析（PCA）

PCA(principalComponentAnalysis),即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分。

Tracy_LeBron·2023-01-03 11:15

NEFU数据科学导论(五)特征工程2特征选取

一、概念什么是特征选择?从数据集的全部特征中选取一个特征子集的过程被称为特征选择二、基本流程2.1子集产生2.2子集评估停止条件2.3子集检验三、过滤式方法3.1常用特征选择统计量3.1.1方差阈值3.1.2Pearson相关3.1.3距离计算统计分量越大，特征越重要3.1.4信息熵信息增益越大特征越重要四、产生特征子集的搜索策略4.1启发式搜索策略-贪心算法前向搜索后向搜索’双向搜索4.2.1前

NEFU-Go D 乌索普·2023-01-03 10:38

NEFU数据科学导论(五)特征工程1特征抽取

一、总体概述1.1特征创建1.2一些方法二、降维2.1现象当维度增加时,特征空间的体积增加得很快,使得可用的数据变得稀疏特征空间：样本密度：样本数/特征空间大小2.2方法大概三、主成分分析（PCA）3.1概述3.1.2规则要求3.1.3主要流程方差越大保留信息越多四、奇异值分解（SVD）4.1原理4.2计算过程4.3性质4.4优点

NEFU-Go D 乌索普·2023-01-03 10:58

广告点击预测实战：基于机器学习的LightGBM的广告点击预测

配库：1.读取原始数据,将时间信息分解为天和分钟2.特征工程3.五折交叉验证训练模型4.特征重要性5.做出最终预测配库：!

数学是算法的灵魂·2023-01-02 21:39

Python数据分析案例17——电影人气预测(特征工程构建)

案例背景本次案例是中国人民大学“人工智能与机器学习（2022年秋季）”课程的课堂竞赛。比赛是根据有关电影的各种信息来预测电影的受欢迎程度，包括演员、工作人员、情节关键字、预算、收入、海报、上映日期、语言、制作公司、国家、TMDB投票计数、平均投票等。比赛是在kaggle上进行的，这是链接，可以下载数据MoviePopularityPrediction|Kaggle由于原始数据特征变量基本都是文本，

阡之尘埃·2023-01-02 20:32

2022年12月4日 SVD学习笔记

SVD（SingularValueDecomposition）奇异值分解也是数据降维的一种方式，能够将一个矩阵用三个小矩阵进行分解，分解之后的矩阵比原矩阵存储空间需要的更少，但是信息损失其实不大。

小蒋的技术栈记录·2023-01-02 14:13

机器学习sklearn-逻辑回归

目录L0范数，L1范数，L2范数sigmond函数损失函数penalty和C参数逻辑回归中的特征工程梯度下降L0范数，L1范数，L2范数L0范数是指向量中非0的元素的个数。

kongqing23·2023-01-02 12:07

机器学习--数据清理、数据变换、特征工程

目录一、数据清理二、数据变换三、特征工程四、总结一、数据清理数据清理是提升数据的质量的一种方式。数据不干净（噪声多）？需要做数据的清理，将错误的信息纠正过来；数据比较干净（数据不是想要的格式）？

Lingxw_w·2023-01-02 12:34

机器学习基础（三）——KNN/朴素贝叶斯/交叉验证/网格搜索

文章目录3.K近邻算法（KNN）3.1读取数据信息3.2处理数据3.2.1缩小数据,查询数据筛选3.2.2处理时间的数据3.2.3取出目标值和特征值3.3划分训练集和测试集3.4特征工程（标准化）3.5

Bayesian小孙·2023-01-02 08:23

机器学习之特征工程

机器学习之特征工程目录一、特征工程——概述二、特征工程——数据预处理三、特征工程——特征选择四、特征工程——降维一、特征工程——概述特征工程是数据分析中最耗时间和精力的一部分工作。

VEkoing·2023-01-02 08:50

VectorNet详解

Abstract本篇论文主要做了三个方面的事情:特征工程不同与以前的方法，将车辆行驶收集的信息用一张全局的图像来表示，论文提出用向量表示车辆行驶过程中收集的各种信息。

樱花的浪漫·2023-01-02 08:49

Vectornet源码详解

代码资源地址见最后1.数据与环境配置首先，我们需要下载这个API，方便对数据做特征工程，目前这个api还不支持windows版本https://github.com/argoverse/argoverse-api

樱花的浪漫·2023-01-02 08:37

EDA（Explore Data Analysis）一步一步详解

AComprehensiveGuidetoDataExploration总览有关数据探索（EDA）的完整教程我们涵盖了数据探索的几个方面，包括缺失值估算，异常值去除和特征工程的技巧。介绍没有数据探

juhanishen·2023-01-02 07:39

《机学零》机学概述 —— 机器学习基础知识、进行机器学习的流程

、机器学习算法分类二、需明确问题（1）算法是核心，数据和计算是基础（2）找准定位：大部分复杂模型的算法设计都是算法工程师在做，而我们要做的是：1.分析很多的数据2.分析具体的业务3.应用常见的算法4.特征工程

深蓝冰河·2023-01-01 14:55

机器学习怎么学？机器学习流程

机器学习的流程本质上就是数据准备、数据分析、数据处理、结果反馈的过程，按照这个思路，我们可以把机器学习分为如下步骤：业务场景分析、数据处理、特征工程、算法模型训练、应用服务。下面具体

程序媛珂珂·2023-01-01 14:21

时间序列特征工程

关注微信公众号“时序人”获取更好的阅读体验时间序列知识整理系列时间序列统计分析时间序列聚类时间序列预测时间序列回归时间序列特征工程时间序列补缺时间序列异常检测前几次的文章分享，我们了解了时间序列分析的基础方法以及预测方法

VachelHu·2023-01-01 11:46

特征工程（机器学习）

目录特征构造特征选择特征提取常用的特征提取方法有特征工程就是一个从原始数据提取特征的过程，这些特征可以很好地描述这些数据，并且利用它们建立的模型在未知数据上的性能可以达到最优；特征工程主要包括特征构造（

谭盐.·2023-01-01 11:43

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

10 降维算法(PCA降维/LDA分类/NMF非负矩阵)

数据降维简介降维就是一种对高维度特征数据预处理方法。降维是将高维度的数据保留下最重要的一些特征，去除噪声和不重要的特征，从而实现提升数据处理速度的目的。降维具有如下一些优点：减少所需的存储空间。

处女座_三月·2023-01-01 08:47

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

推荐频道

特征工程-数据降维