特征工程-数据降维第4页

机器学习简单概念和pytorch代码-2

机器学习简单概念和pytorch代码-2学习率的选择和调校特征工程特征工程是数据预处理和分析过程中的一个关键步骤，主要用于机器学习和数据挖掘。

Persistence is gold·2024-01-08 06:11

AutoKeras

相比于传统的机器学习方法，AutoKeras可以自动处理特征工程、模型选择、超参数调优等步骤，大大减少了繁琐的手动操作。

缘起性空、·2024-01-08 05:38

python数据分析与挖掘论文_《Python数据分析与机器学习实战-唐宇迪》读书笔记第10章-特征工程...

第10章特征工程特征工程是整个机器学习中非常重要的一部分，如何对数据进行特征提取对最终结果的影响非常大。

weixin_39616477·2024-01-07 16:10

机器学习系列 - 9. 主成分分析法 PCA

1.主成分分析法思想及原理1.1什么是主成分分析法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（非监督的机器学习方法）。

小蘑菇1962·2024-01-07 07:20

机器学习（四） -- 模型评估（3）

系列文章目录机器学习（一）--概述机器学习（二）--数据预处理（1-3）机器学习（三）--特征工程（1-2）机器学习（四）--模型评估（1-4）未完待续……目录机器学习（四）--模型评估（1）机器学习（

₫从心·2024-01-07 02:15

贷款违约预测-Task2 数据分析

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。

致Great·2024-01-06 17:51

特征工程-特征预处理

1什么是特征预处理1.1特征预处理定义scikit-learn的解释providesseveralcommonutilityfunctionsandtransformerclassestochangerawfeaturevectorsintoarepresentationthatismoresuitableforthedownstreamestimators.翻译过来：通过一些转换函数将特征数据转

谛君_是心动啊·2024-01-06 17:27

AI技术体系和领域浅总结

信息论基础》（机械工业出版社）集合论和图论《离散数学》博弈论《博弈论》（中国人民大学出版社）张量分析现代几何计算机基础计算机原理程序设计语言操作系统分布式系统算法基础机器学习算法机器学习基础（估计方法特征工程

TisUs·2024-01-06 16:26

深度学习（学习记录）

题型：填空题+判断题30分、简答题20分、计算题20分、综合题（30分）综合题（解决实际工程问题，不考实验、不考代码、考思想）一、深度学习绪论（非重点不做考察）1、传统机器学习：人工特征工程+分类器概念

学数学的懒哥·2024-01-06 13:49

机器学习——特征工程之K均值降维

机器学习——特征工程之K均值降维前言一、K-均值聚类（K-means）1、算法推导2、举例二、降维前言1、先直观解释什么是平面（线性子空间）和流形（非线性子空间）：答：如果线性子空间是一张平展的纸，那么非线性流形的一个简单例子就是卷起来的纸

macan_dct·2024-01-06 09:11

机器学习中的流形学习算法 Manifold Learning

不同于一般意义上的数据降维方法，典型如autoencoders等通过学习得到一种参数化的模型，能够适用于任何输入向

scott198512·2024-01-06 09:11

Kaggle之泰坦尼克号（2）

文章目录一、特征工程缺失值处理文本型数据处理-Sex文本型数据处理-Name文本型数据处理-Ticket文本型数据处理-Cabin文本型数据处理-Embarked特征扩充-SibSp、Parch特征扩充

学海一叶·2024-01-06 06:39

numpy 稀疏矩阵

常见的，在特征工程中，进行one-hot编码时会产生稀疏矩阵，因此需

阿君聊风控·2024-01-06 02:13

机器学习算法分类

分类问题目标值：连续型的数据--回归问题分类模型k近邻算法，贝叶斯分类，决策树与随机森林，逻辑回归,SVM,回归模型线性回归，岭回归无监督学习目标值：无聚类模型k-means机器学习开发流程获取数据数据清洗特征工程

学了忘了学·2024-01-06 01:40

Torch-Rechub学习分享2

有些特征是易于理解的，可以通过领域专家进行人工特征工程抽取特征。但是对于不易于理解的特征，如“啤酒和尿布”，则只能通过机器学习的方法得到。同样的对于需要特别

xdyhk·2024-01-05 20:42

【Python机器学习系列】建立逻辑回归模型预测心脏疾病（完整实现过程）

一文彻底搞懂机器学习中的归一化与反归一化问题【Python机器学习系列】一文彻底搞懂机器学习中表格数据的输入形式（理论+源码）【Python特征工程系列】利用随机森林模型

数据杂坛·2024-01-05 12:22

【Python机器学习系列】建立支持向量机模型预测心脏疾病（完整实现过程）

一文彻底搞懂机器学习中的归一化与反归一化问题【Python机器学习系列】一文彻底搞懂机器学习中表格数据的输入形式（理论+源码）【Python特征工程系列】利用随机森林模型

数据杂坛·2024-01-05 12:47

机器学习（四） -- 模型评估（2）

系列文章目录机器学习（一）--概述机器学习（二）--数据预处理（1-3）机器学习（三）--特征工程（1-2）机器学习（四）--模型评估（1-4）未完待续……目录系列文章目录前言三、分类模型评估指标1、错误率与精度

₫从心·2024-01-05 02:23

机器学习（四） -- 模型评估（1）

系列文章目录机器学习（一）--概述机器学习（二）--数据预处理（1-3）机器学习（三）--特征工程（1-2）机器学习（四）--模型评估（1-2）未完待续……目录系列文章目录前言一、模型评估概述1、模型评估定义

₫从心·2024-01-04 09:54

大数据HCIE成神之路之特征工程——特征选择

特征选择1.1特征选择-Filter方法1.1.1实验任务1.1.1.1实验背景1.1.1.2实验目标1.1.1.3实验数据解析1.1.1.4实验思路1.1.2实验操作步骤1.2特征选择-Wrapper方法1.2.1实验任务1.2.1.1实验背景1.2.1.2实验目标1.2.1.3实验数据解析1.2.1.4实验思路1.2.2实验操作步骤1.3特征选择-Embedding方法1.3.1实验任务1.3

邵奈一·2024-01-04 08:57

DataFrameMapper做特征工程

前言在数据挖掘流程中，特征工程是极其重要的环节，我们经常要结合实际数据，对某些类型的数据做特定变换，甚至多次变换，除了一些常见的基本变换（参考我之前写的『数据挖掘比赛通用框架』）外，还有很多非主流的奇技淫巧

Han_Sen·2024-01-04 06:02

如何构建大数据指标分析系统

分析分为实事状态分析和预测分析（特征工程），本文用对事实状态指标分析为例，用多种技术方案构建指标分析系统。

i7杨·2024-01-04 03:37

机器学习-4：机器学习的建模流程

机器学习的建模流程流程为：原始数据-->数据预处理-->特征工程-->建模-->验证。

Doawen·2024-01-04 01:43

阅文集团面试总结

(2)分析问题：排查了数据处理，模型多次检验，猜测应该是特征工程没有做到完善(3)解决问题：自己尝试了多种方法，还是不行，最终通过朋友请教了一位数据分析的大牛，最终问题得到解决。

请问通往幸福之路在哪里·2024-01-03 21:23

关于数据降维的几种方法

1.什么是数据降维？数据降维是指将高维数据转化为低维数据的过程。在现实生活中，我们常常面临高维数据的问题，例如图像数据、文本数据、传感器数据等。

亦旧sea·2024-01-03 21:37

深度学习知识点汇总-机器学习基础（3）

监督学习的步骤2.3.1数据（1）数据收集获取数据及其对应标签将数据集划分为训练数据集和验证数据集考虑样本不均衡的问题，并基于此使用交叉验证的方法（2）数据预处理去除错误数据和标签缺失的数据数据增强（3）特征工程传统机器学习方法中对特征进行选择

深度学习模型优化·2024-01-03 20:55

特征工程

三块给你买麻糬_31c3·2024-01-03 20:47

机器学习（三） -- 特征工程（2）

系列文章目录机器学习（一）--概述机器学习（二）--数据预处理（1-3）机器学习（三）--特征工程（1-2）未完待续……目录系列文章目录前言三、特征预处理1.1、无量纲化2、归一化2.2.1、线性归一化

₫从心·2024-01-03 13:54

机器学习预处理：特征工程

什么是特征工程特征是⽤于描述数据中的各种属性、变量或维度的信息，它们是模型⽤来做出预测或分类的输⼊。特征⼯程是使⽤专业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挥更好的作⽤的过程。

April123abc·2024-01-02 06:19

【LLM+RS】LLM在推荐系统的实践应用（华为诺亚）

山顶夕景·2024-01-02 04:44

搜广推之特征工程：基本原理和前沿研究（2023）

前言本文主要结合以往工作经验和前沿论文（截止2023年9月），来分析工业界和学术界中特征工程相关研究点，以及对未来发展的思考。

Ben_Fu·2024-01-02 02:32

CTR的一些基本概念

1.1点击率预估过程1.1.1特征工程（1）特征筛选：特征选择就是选择那些靠谱的Feature，去掉冗余的Feature，对于搜索广告Query和广告的匹配程度很关键；对于展示广告，广告本身的历

三块给你买麻糬_31c3·2024-01-02 00:18

机器学习前的数据清洗（异常值检验，标准化处理，哑变量处理）

机器学习简介机器学习模型训练前，需要把原始数据进行预处理，并建立合适的特征工程。

开始King·2024-01-01 23:37

机械学习 - 基础概念 - scikit-learn - 数据预处理 - 1

非监督学习总结：3.强化学习总结：三种学习的特点总结scikit-learn说明二、机械学习的基本实操逻辑1.采集数据2.数据预处理(Preprocessing)预处理算法：归一化：1.normalize()3.数据降维处理

沐修·2024-01-01 23:37

图神经网络--GNN从入门到精通

图神经网络--GNN从入门到精通一、图的基本表示和特征工程1.1什么是图1.2图的基本表示1.3图的性质--度（degree)1.4连通图，连通分量1.5有向图连通性1.6图直径1.7度中心性1.7特征中心性

小白学习记录·2024-01-01 17:26

【Python特征工程系列】教你利用AdaBoost模型分析特征重要性（源码）

这是Python特征工程系列原创文章，我的第187篇原创文章。一、问题应用背景介绍：如果有一个包含数十个甚至数百个特征的数据集，每个特征都可能对你的机器学习模型的性能有所贡献。

数据杂坛·2024-01-01 12:31

机器学习基础--各种学习方式（5）--自动特征工程

自动特征工程自动工程的三个方向，隐式特征组合（如NN，FM），半显式特征组合（如GBDT）与显式特征组合（显式特征叉乘）。

whitenightwu·2024-01-01 08:22

百面机器学习 -- No.2 特征工程 -- 训练数据不足的情况下会带来什么问题，如何缓解？

训练数据不足的情况下会带来什么问题，如何缓解？数据不足会带来什么问题如何解决？数据不足会带来什么问题机器学习任务的问题，可以简单的理解成寻找最佳的拟合函数和最佳的泛化函数，拟合函数是用来学习历史信息的，泛化函数是用来外推其他数据的（即，预测未来）。但是这两者并不是可以兼得的，我们前期通过先验知识来学习函数，后期通过后验知识来预测标签。在机器学习中，绝大部分模型都需要大量的数据进行训练和学习（包括有

小王做笔记·2024-01-01 08:20

机器学习（三） -- 特征工程（更新中）

系列文章目录机器学习（一）--概述机器学习（二）--数据预处理（1-3）未完待续……目录系列文章目录前言tips：这里只是总结，不是教程哈。“***”开头的是给好奇心重的宝宝看的，其实不太重要可以跳过。此处以下所有内容均为暂定，因为我还没找到一个好的，让小白（我自己）也能容易理解（更系统、嗯应该是宏观）的讲解顺序与方式。第一文主要简述了一下机器学习大致有哪些东西（当然远远不止这些），对大体框架有了

₫从心·2024-01-01 08:19

数据特征工程 | 特征筛选（过滤法）—— ANOVA

特征筛选的重要性：在机器学习和数据科学领域，特征筛选是优化模型性能和提高计算效率的关键步骤。当数据集包含大量特征时，不仅增加了计算成本，还可能引入噪声和冗余信息，影响模型的泛化能力。因此，通过特征筛选，让我们能够从原始特征集中挑选出最具信息量的特征，提高模型的预测准确性和可解释性特征筛选的方法：特征筛选方法可以分为三大类：过滤法（Filter）、包装法（Wrapper）、嵌入法（Embedded）

算法如诗·2024-01-01 03:50

数学建模算法总结

目录一.数据预处理模型1.对于缺失值的补全处理：插值拟合1.插值2.拟合总结：拟合得到的是一条曲线，拟合得到的函数不一定过所有点2.数据降维主成分分析3.数据异常值处查找与删除聚类分析4.数据整体描述性分析二

今日说"法"·2024-01-01 02:31

【Python机器学习系列】一文带你了解机器学习中的Pipeline管道机制（理论+源码）

引言对于表格数据，一套完整的机器学习建模流程如下：背景知识1：机器学习中的学习器【Python机器学习系列】一文搞懂机器学习中的转换器和估计器（附案例）背景知识2：机器学习中的管道机制简介：转换器用于数据的预处理和特征工程

数据杂坛·2023-12-31 14:36

【Python特征工程系列】教你利用XGBoost模型分析特征重要性（源码）

这是Python特征工程系列原创文章，我的第186篇原创文章。一、问题应用背景介绍：如果有一个包含数十个甚至数百个特征的数据集，每个特征都可能对你的机器学习模型的性能有所贡献。

数据杂坛·2023-12-31 14:34

Python数据挖掘与机器学习实践技术应用

掌握Python编程的基础知识与技巧、特征工程（数据清洗、变量降维、特征选择、群优化算法

思考的小猴子·2023-12-30 19:34

【Python百宝箱】《AI之道：自动化机器学习与智能决策的终极指南》

本文深入探讨了多个强大的Python库，涵盖了从自动化模型选择、特征工程到模型解释性的全方位工具，为读者提供了丰富而实用的资源。

friklogff·2023-12-30 15:28

共享单车之租赁需求预估

文章目录第1关：数据探索与可视化第2关：特征工程第3关：租赁需求预估第1关：数据探索与可视化相关知识为了完成本关任务，你需要掌握：读取数据数据探索与可视化读取数据数据保存在.

柔雾·2023-12-30 09:42

如何使用人工智能算法解决实际业务问题？

特征工程：接下来，需要对数据进行特征提取和转换，以便算法可以更好地理解和处理数据。这一过程也称为特征工程，包括特

ldxxxxll·2023-12-30 01:32

2018-12-28

可优化误差Variance:方差，训练集与测试集的差距处理高avoidablebias:1.增大模型的规模，也就是增加模型复杂度2.调整入模变量处理高variance:1.增加训练集数据2.增加正则项3.特征工程

Louis1994·2023-12-29 20:03

AI训练师常用的ChatGPT通用提示词模板

特征工程：如何进行特征选择和特征工程？超参数调整：如何调整训练过程中的超参数？模型训练：如何进行模型的训练？模型评估：如何评估模型的性能？模型调优：如何优化模型的性能？

BTCKing·2023-12-29 18:26

机器学习三要素与拟合问题

机器学习工作流程总结1.获取数据2.数据基本处理3.特征工程4.机器学习(模型训练)5.模型评估结果达到要求，上线服务，没有达到要求，重新上面步骤我们使用机器学习监督学习分类预测模型的工作流程讲解机器学习系统整套处理过程

小森( ﹡ˆoˆ﹡ )·2023-12-29 12:19

推荐频道

特征工程-数据降维