特征工程-数据降维

端到端的含义，统计学习、机器学习和深度学习的区别与联系

那时的机器学习有个更合适的名字叫特征工程（featureengineering）随
ddwyz·2022-11-25 09:30

2022-02-08 读书笔记：《精通特征工程》1 基础特征工程

《精通特征工程》——速读学习1基础特征工程该系列文章系个人读书笔记及总结性内容，任何组织和个人不得转载进行商业活动！
baby_hua·2022-11-25 07:29

PyTorch入门到进阶实战笔记二（慕课网）

（回归）手写数字图片分类（分类）计算机视觉计算机视觉的基本概念常见的图像处理概念亮度、对比度、饱和度图像平滑/降噪图像锐化/增强边缘提取算子直方图均衡化图像滤波形态学运算OpenCV及其常用库函数介绍特征工程从特征工程的角度理解计算机视觉的常见问题卷积神经网络概念介绍卷积层常见的卷积操作如何理解
酸菜鱼_2323·2022-11-24 22:41

t-SNE原理与推导

t-SNE作为一种非线性降维算法，常用于流形学习(manifoldlearning)的降维过程中并与LLE进行类比，非常适用于高维数据降维到2维或者3维，便于进行可视化。t-SNE是由SNE(
scott198510·2022-11-24 16:52

tensorboard 数据降维分布图_tensorboard使用详解

一、一个简单例子执行如下代码片段，可在定义的目录中生成日志文件，如下：importtensorflowastf#simpledemo#定义一个计算图，实现两个向量的加法#定义两个输入，a为常量，b为随机值a=tf.constant([10.0,20.0,40.0],name='a')b=tf.Variable(tf.random_uniform([3]),name='b')#从均匀分布中输出随机值
weixin_39653761·2022-11-24 14:28

pytorch学习笔记（一）---深度学习基础和传统神经网络介绍

文章目录前言一、深度学习的一般流程1.数据获取2.特征工程3.建立模型4.评估应用二、神经网络的整体架构与基本流程1.整体架构2.前向传播3.反向传播三、DROP-OUT总结前言  由于在硕士期间的研究内容是深度学习相关
浓眉毛梁·2022-11-24 14:10

14、基于TensorFlow的房价预测

文章目录背景介绍收集数据（GatheringData)分析数据（Dataanalysis)数据清洗合并训练集和测试集删除“Id”列填充缺失值填充数值型缺失值填充非数值型缺失值特殊列缺失值填充特征工程数据压缩添加新的特征量将分类转化成数值分割训练集
爱转呼啦圈的小兔子·2022-11-24 11:04

内部矩阵维度必须一致simulink_深度学习中数据降维方法总结：将原高维空间中的数据点映射到低维度的空间中...

导读文章转载博客园郭耀华'sBlog机器学习领域中所谓的降维就是指采用某种映射方法，将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数f:x->y，其中x是原始数据点的表达，目前最多使用向量表达形式。y是数据点映射后的低维向量表达，通常y的维度小于x的维度(当然提高维度也是可以的)。f可能是显式的或隐式的、线性的或非线性的。目前大部分降维算法处理向量表达的数据，也有一些降维算
weixin_39656174·2022-11-24 11:26

机器学习完整项目实战附代码(二)：探索型数据分析+特征工程+建模+报告

1.项目背景：1.1项目目标：使用提供的波士顿房屋租赁价格数据开发一个模型，该模型可以预测房屋租赁价格，然后解释结果以找到最能预测的变量。这是一个受监督的回归机器学习任务：给定一组包含目标（在本例中为价格：MEDV）的数据，我们希望训练一个可以学习将特征（也称为解释变量）映射到目标的模型。监督问题：我们可以知道数据的特征和目标，我们的目标是训练可以学习两者之间映射关系的模型。回归问题：MEDV是一
TingXiao-Ul·2022-11-24 04:55

机器学习-分类聚类预测系统

这是机器学习课程的一个课设,具体的课设要求如下:1.熟悉机器学习的完整流程，包括：问题建模，获取数据，特征工程，模型训练，模型调优，线上运行；或者分为三大块：数据准备与预处理，模型选择与训练，模型验证与参数调优
clown0004·2022-11-24 04:22

机器学习入门 01 —— 机器学习概述

机器学习和深度学习5小结1.2、人工智能发展历程1.3、人工智能主要分支1计算机视觉2语音识别3文本挖掘/分类4机器翻译5机器人6小结1.4、机器学习工作流程1什么是机器学习2机器学习工作流程获取的数据集数据基本处理特征工程机器学习模型评估
来一碗锅巴洋芋·2022-11-24 00:01

模块一：深度学习入门算法

模块一：深度学习入门算法1.深度学习必备知识1.1深度学习要解决的问题机器学习流程：数据获取----->特征工程----->建立模型------>评估与应用特征工程的作用：数据特征决定了模型的上限预处理和特征提取是最核心的算法与参数选择决定了如何逼近这个上限获取数据数据决定了机器学习结果的上限
neneduck·2022-11-24 00:30

机器学习——算法介绍-3

数据集数据集划分sklearn数据集划分APIscikit-learn数据集API介绍获取数据集返回的类型sklearn分类数据集数据集进行分割用于分类的大数据集sklearn回归数据集想一下之前做的特征工程的步骤
lidashent·2022-11-23 23:10

工业界推荐_Industrial RS(5)

以往利用知识图谱做推荐大多依靠特征工程，本文提出了具有标签平滑正则化
笃℃·2022-11-23 19:30

数据降维：特征值分解和奇异值分解的实战分析

请点击上面公众号，免费订阅。《实例》阐述算法，通俗易懂，助您对算法的理解达到一个新高度。包含但不限于：经典算法，机器学习，深度学习，LeetCode题解，Kaggle实战。期待您的到来！01—回顾这几天推送了关于机器学习数据预处理之降维算法，介绍了通过降维提取数据的主成分的背景，特征值分解法，奇异值分解法的相关原理。现在我们再回顾下这些问题，首先，提取主成分的必要性，从数字信号的角度分析，主成分时
算法channel·2022-11-23 17:35

AI中台的快速实现

三、功能设计AI中台具体的功能模块包括：平台管理、数据标注、特征工程、特征库、模型库、算法库、NLP自然语言处理、OCR
超级酷乐猫·2022-11-23 16:05

人工智能-4计算机视觉和图像处理01

深度学习简介机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集深度学习相比于机器学习，少了‘手动特征提取’部分，交给网络来处理深度学习流程：数据输入–训练模型（在数据中学习）–输出预测机器学习：输入-特征工程
海星？海欣！·2022-11-23 13:27

TSNE数据降维

此外，t-SNE是一种非线性降维算法，非常适用于高维数据降维到2维或者3维，进行可视化。该算法可以将对于较大相似度的
haoji007·2022-11-23 12:17

用Python做一个房价预测小工具

该案例有着解机器学习问题的完整流程，包含EDA、特征工程、模型训练、模型融合等。房价预测流程下面跟着我，来学习一下该案例。没有啰嗦的文字，没有多余的代码，只有通俗的讲解。
程序员小八·2022-11-23 12:34

用Python做一个房价预测小工具！

该案例有着解机器学习问题的完整流程，包含EDA、特征工程、模型训练、模型融合等。房价预测流程下面跟着我，来学习一下该案例。没有啰嗦的文字，没有多余的代码，只有通俗的讲解。
菜鸟学Python·2022-11-23 11:30

【PyTorch学习笔记_03】--- PyTorch（深度学习神经网络搭建）

36.深度学习要解决的问题机器学习流程：数据获取，特征工程，建立模型，评估与应用特征工程的作用：数据特征决定了模型的上限预处理和特征提取时最核心的算法和参数选择决定了如何逼近这个上限深度学习解决的是怎么提特征
灵寒谷·2022-11-23 11:26

降维模型 之 主成分分析法（PCA）

数据降维的作用降维是将高维度的数据（指标太多）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。
iMoriarty·2022-11-23 10:58

【算法竞赛学习】Task4 特征工程

制作特征和标签，转成监督学习问题我们先捋一下基于原始的给定数据，有哪些特征可以直接利用：文章的自身特征，category_id表示这文章的类型，created_at_ts表示文章建立的时间，这个关系着文章的时效性，words_count是文章的字数，一般字数太长我们不太喜欢点击,也不排除有人就喜欢读长文。文章的内容embedding特征，这个召回的时候用过，这里可以选择使用，也可以选择不用，也可以
jaeden_xu·2022-11-23 09:30

【特征工程】——绘图

【特征工程】——绘图1DataFrame.plt更改字体2plt.plot更改字体3sns.heatmap更改字体1DataFrame.plt更改字体fromsklearn.feature_selectionimportmutual_info_classifimportmatplotlib.pyplotaspltfrommatplotlib.figureimportFigurefrommatplo
小羊星球·2022-11-23 09:13

推荐系统——召回模型

召回部分：主要的输入是用户的点击历史数据，输出是与该用户相关的一个候选视频集合；精排部分：主要方法是特征工程，模型设计和训练方法；线下评估：采用一些常用的评估指标，通过A/B实验观察用
小陈phd·2022-11-23 08:37

表示学习（特征学习）

文章目录表示学习特征工程与表示学习深度学习的表示学习注：深度学习不等于多层神经网络什么时候用「手工提取」什么时候用「表示学习」？
zlinzju·2022-11-23 08:36

表征学习（representation learning）与特征工程（feature engineering）的区别

表征学习和特征工程的目的都是从要分析的数据中提取相应的数据表示。即如何更好的表示我要分类或预测的数据。
爱学习的大白菜·2022-11-23 08:30

表示学习（就是特征）

一个简单的小章节科普表示学习的意义一种可以从数据中得到有判别性特征的方法，减少机器学习算法对特征工程的依赖。一个好的表示首先要尽可能的包含更多数据的本质信息，并且这个表示能直接服务于后续的具体任务。
科研苟Gamber·2022-11-23 08:26

基本图像处理-1（图像直方图与数据降维-主成分分析PCA）

直方图图像的直方图用来表征该图像像素值的分布情况。用一定数目的小区间（bin）来指定表征像素值的范围，每个小区间会得到落入该小区间表示范围的像素数目。该（灰度）图像的直方图可以使用pythonPIL中的hist()函数绘制。hist(im.flatten(),128)flatten()方法将任意数组按照行优先准则转换成一维数组直方图均衡化直方图均衡化是指将一幅图像的灰度直方图变平，使变换后的图像中
jaycain·2022-11-23 06:58

机器学习特征选择方法

课程在机器学习特征工程的课程中提到特征选择。
RyanC3·2022-11-23 06:55

Datawhale 零基础入门心电图心跳信号多分类预测挑战赛-Task 3特征工程

Task3特征工程时间有限…特征工程task2其实也涉及了一些感觉可以从增维/降维/去噪等方面考虑了解到tsfresh工具提取特征(但电脑无法运行)有时间深入研究不知小样本多变量时序是否可以通过这个tsfresh
Little_stepL·2022-11-23 02:23

主成分分析(PCA)及其可视化的基础指南

主成分分析（PCA）是一种将数据降维技巧，它将大量相关变量转化成一组很少的不相关变量，这些无相关变量称为主成分。
木舟笔记·2022-11-23 02:13

【数学分析入门】R语言之主成分分析与因子分析的代码实现

降维分析方法主成分分析主成分分析，PrincipalComponentAnalvsis，也简称为PCA，是一种数据降维技巧，它能将大量相关变量转化为一组很少的不相关变量，这些无关的变量称为主成分。
如果我是温帅帅·2022-11-23 02:39

机器学习(五)：深入浅出PCA降维

二.理论介绍2.1什么是PCAPCA的英文全称是PrincipalComponentAnalysis，即主成分分析，它是一种常用的数据降维方法。
斯曦巍峨·2022-11-22 21:31

降维算法（一）—— PCA算法

数据降维技术就是解决这一问题的技术之一。有效的数据降维技术能够揭示原始数据的内在结构和联系，不仅可以消除数据间的冗余，以简化数据，提高计算效率，还改善数据
time_exceed·2022-11-22 21:58

CCF大数据比赛--severless工作负载预测 0.33分方案分享

文章目录前言赛题简述一、赛题理解二、数据分析1.excel分析2.python分析三、数据预处理四、特征工程五、模型六、后处理七、一些别的发现和思考总结致谢前言最后结果：0.33743155分/46名（
地大陈参志·2022-11-22 21:20

特征工程

特征工程数据集成的含义是什么？数据集成的常用方法及含义是什么？数据集成的含义数据集成的方法1.联邦数据库2.中间件集成3.数据仓库什么是数据的特征？特征工程的动机与目标是什么？
Louis爱学习·2022-11-22 19:13

python基础教程四级查数据_《Python机器学习基础教程》四、数据表示与特征工程...

还讨论了通过特征工程生成新特征的重要性，以及利用专家知识从数据中创建到处特征的可能性。特别是线性模型，可能会从分箱、添加多项式和交互项而生成的新特性中大大受益。
weixin_39929465·2022-11-22 19:22

机器学习学习笔记之——数据表示与特征工程

数据表示与特征工程到目前为止，我们一直假设数据是由浮点数组成的二维数组，其中每一列是描述点的连续特征（continuousfeature）。对于许多应用而言，数据的收集方式并不是这样的。
前丨尘忆·梦·2022-11-22 19:18

NNI神经网络模型压缩教程

1.NNI简介NNI是微软发布的一款自动机器学习（AutoML）开源项目，对机器学习生命周期的各个环节做了更加全面的支持，包括特征工程、神经网络架构搜索（NAS）、超参调优和模型压缩在内的步骤，你都能使用自动机器学习算法来完成
AI算法-图哥·2022-11-22 19:02

使用nni对ResNet进行模型剪枝

NNI(NeuralNetworkIntelligence)是微软开源的自动机器学习（AutoML）工具包，对机器学习生命周期的各个环节做了更加全面的支持，包括特征工程、神经网络架构搜索（NAS）、超参调优和模型压缩
\lambda·2022-11-22 18:22

nni模型剪枝

CSDN博客_nni剪枝模型剪枝入门—NeuralNetworkIntelligenceNNI：NeuralNetworkIntelligence，是一个轻量但强大的自动机器学习工具包，能帮助用户自动进行特征工程
benben044·2022-11-22 18:21

深度学习tensorflow数据流图基础知识点

一、深度学习与机器学习区别（一）特征提取方面1、机器学习的特征工程步骤是要靠手动完成的，而且需要大量领域专业知识深度学习通常由多个层组成，它们通常将更简单的模型组合在一起，通过将数据从一层传递到另一层来构建更复杂的模型
天主极乐大帝·2022-11-22 17:08

Task05:数据建模及模型评估

文章目录前言第三章模型搭建和评估特征工程任务一：缺失值填充任务二：编码分类变量模型搭建任务一：切割训练集和测试集任务二：模型创建任务三：输出模型预测结果模型评估任务一：交叉验证任务二：混淆矩阵任务三：ROC
Never give up·2022-11-22 15:57

机器学习特征工程总结

1.什么是特征工程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？
jaffe_wei·2022-11-22 15:07

数据预处理与特征工程—9.Lasso算法实现特征选择

文章目录引言实战引言  为什么Lasso算法可以用于特征选择呢？因为Lasso算法可以使特征的系数进行压缩并且可以使某些回归系数为0，即不选用该特征，因此可以进行特征选择。而与它同为线性回归正则化方法的Ridge回归只能使某些回归系数接近于0，起不到特征选择的作用。  Lasso回归方法的优点是可以弥补最小二乘法和逐步回归局部最优估计的不足，可以很好的进行特征选择，可以有效的解决各特征之间存在的多
哎呦-_-不错·2022-11-22 15:55

特征工程与表示学习：人工 vs 自动

相关概念正因为数据表示的重要性，机器学习一般有两种思路来提升原始数据的表达：特征学习(featurelearning)，又叫表示学习(representationlearning)或者表征学习，一般指的是自动学习有用的数据特征特征工程
Rnan-prince·2022-11-22 14:44

精通特征工程 —— 2.简单得数字奇特技巧

文章目录1.二值化2.区间量化（分箱）3.对数变换4.特征缩放归一化5.交互特征6.特征选择精通特征工程pdf：链接：https://pan.baidu.com/s/11AFe7LgjYnf56XcpI_wNKw
倩mys·2022-11-22 14:13

机器学习——特征工程——交互特征（多项式特征）

一、交互特征定义两个特征的乘积可以组成一对简单的交互特征，这种相乘关系可以用逻辑操作符AND来类比，它可以表示出由一对条件形成的结果：“该购买行为来自于邮政编码为98121的地区”AND“用户年龄在18和35岁之间”。这种特征在基于决策树的模型中极其常见，在广义线性模型中也经常使用。简单线性模型使用独立输入特征,,…,的线性组合来预测结果变量：。很容易对线性模型进行扩展，使之包含输入特征的两两组合
xia ge tou lia·2022-11-22 14:10

特征工程

特征工程在实际工作中获取到的数据往往不那么理想，可能会存在非数值类型的文本数据、重复值、缺失值、异常值及数据分布不均衡等问题，因此，在进行数学建模前还需要对这些问题进行处理，这项工作称为特征工程。
Mr李小四·2022-11-22 14:34
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他