特征工程

【4 - 降维算法PCA和SVD - 原理部分】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·2023-01-18 15:36

机器学习练习篇day01

答：机器学习的工作流程是1获取数据2数据基本处理3特征工程4模型训练5模型评估每一步的内容1获取数据:搜集与完成机器学习任务相关的数据集,比方说,要预测房价,那就要收集房屋面积,朝向,临街与否等影响房价的数据集
小郭plus·2023-01-18 14:15

机器学习-day1

@day1人工智能阶段机器学习三天深度学习三天量化交易四天传统的机器学习算法机器学习概述、特征工程1天分类算法1天``回归算法、聚类1天机器学习概述1.1人工智能概述达特茅斯会议-人工智能的起点机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来
爱吃肉的鸽子·2023-01-18 14:12

大数据分案例-基于随机森林算法构建返乡人群预测模型

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研究目的及意义2.2研究方法与思路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探索性数据分析4.3数据预处理4.4特征工程
艾派森·2023-01-17 22:59

基于sklearn随机森林算法探究肥胖的成因

目录项目背景数据介绍数据来源属性介绍算法介绍随机森林算法决策树随机森林定义随机森林构建过程随机森林算法评价随机森林算法的发展现状及趋势实验步骤1.导入模块与数据2.查看数据3.数据预处理4.可视化分析5.特征工程
艾派森·2023-01-17 22:58

特征工程----特征的重要性分析

1.问题来源在很多生活工作中，我们都要接触很多的系统：包括输入、响应、输出，输入和输出是可以直观看到的，但响应有时是很难用数学表达的。如果已知一系列的输入和输出，输出出现问题时，怎么去分析哪一个输入出了问题呢？这时引入我们的话题-特征的重要性分析。特征的重要性：什么特征对预测的影响最大。2.算法
追梦苦旅·2023-01-17 21:22

NLP基础——词表示、文本特征工程

WordRepresentation:独热编码，tf-idf2.Word2Vec2.1WordEmbedding2.2GaussianEmbedding2.3ContextualEmbedding3.文本特征工程
快乐小码农·2023-01-17 18:04

神经网络（ANN）

再啰嗦一句，特征工程＋LR
你看起来很好吃·2023-01-17 16:45

机器学习——基础知识(1)

机器学习文章目录机器学习基础知识模型拟合程度常见的模型指标模型特征工程基础知识统计学习或机器学习一般包括监督学习、无监督学习、强化学习。有时还包括半监督学习、主动学习。
Aure219·2023-01-16 17:06

机器学习—深度神经网络

深度学习计算方法损失函数Softmax分类器前向传播和反向传播神经网络整体架构神经元个数对结果的影响正则化与激活函数神经网络过拟合解决方法机器学习流程：数据获取、特征工程（难度）、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
阿楷不当程序员·2023-01-16 10:18

【3 - 特征工程】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·2023-01-16 06:02

python之sklearn依赖库安装常见问题解决方案

机器学习的开发基本分为六个步骤，1）获取数据，2）数据处理，3）特征工程，4）机器学习的算法训练（设计模型），5）模型评估，6）应用。Q2:最开始弄第三方库s
CON_FREECSS·2023-01-15 18:45

机器学习模型 知乎_【机器学习】模型融合方法概述

我理解的Kaggle比赛中提高成绩主要有3个地方特征工程调参模型融合之前每次打比赛都只做了前两部分，最后的模型融合就是简单的加权平均，对于进阶的Stacking方法一直没尝试，这几天摸索了一下还是把Stacking
weixin_39753397·2023-01-15 18:41

kaggle——泰坦尼克之灾2

1、流程就这个案例来讲，导入数据之后要做的，分为3步走：1、观察数据，了解特征的含义以及与生存率的关系，方便做特征工程2、特征工程&数据清洗，这一步是为了得到一个可以用于训练的好且完整的数据。
andyham·2023-01-15 16:49

深度学习 10 神经网络简介

机器学习主要通过算法直接进行推断,而深度学习主要通过神经网络对各种算法进行加权,然后汇总得出结论.2.常用的激活函数:tanh函数relu函数leakyrelu函数1.1深度学习介绍1.1.1区别机器学习的特征工程步骤是要靠手动完成的
处女座_三月·2023-01-15 09:23

随机森林项目实战---气温预测

2.分析数据样本量与特征个数对结果的影响，在保证算法一致的前提下，增加样本个数，观察结果变化，重新进行特征工程，引入新的特征后，观察结果走势。
羊咩咩咩咩咩·2023-01-14 23:51

如何做特征筛选

工作中做模型，首先很重要的一步就是特征工程，包括特征编码、特征归一、特征筛选等。这里聊一下工作中常用的做特征筛选的方法。
Just Jump·2023-01-14 19:29

金融风控04

特征工程Filter1）移除低方差特征假设某特征的特征值只有0和1，并且在所有输入样本中，95%的实例的该特征取值都是1，那就可以认为这个特征作用不大。如果100%都是1，那这个特征就没意义了。
非畅6 1·2023-01-14 12:56

监督学习的特征工程处理方法

监督学习的特征工程1.什么是特征工程&数值预处理2.特征选择定义&方法3.特征提取定义&方法4.特征关联定义&方法请从超链接中自行获取资源，会持续更新，尽请关注，感谢！
汽车电子打工者·2023-01-14 12:49

图像特征工程

文章目录一、介绍二、特征提取的方法1HOG2LBP3SIFT三、特征转换一、介绍图像特征工程是图像处理中的一个重要环节，是将图像转换为计算机可以理解的数值特征的过程，通过对图像特征检测后，还可以使用其他算法
Naturino·2023-01-14 10:38

【阶段三】Python机器学习26篇：机器学习项目实战：LightGBM回归模型

本项目应用LightGBM回归算法进行项目实战，整体流程包括数据收集、数据预处理、探索性数据分析、特征工程、模型构建及优化、模型评估。数据收集本次建模数据来源于网络，数据项统计如下：编号
胖哥真不错·2023-01-14 10:57

python机器学习入门笔记分享

人脸识别自然语言处理：语音识别语义识别1-2机器学习工作流程定义[***]数据自动分析获得模型预测从数据中自动分析获得模型，并利用模型对未知数据进行预测2.工作流程[****]1.获取数据2.数据基本处理3.特征工程
m0_64892604·2023-01-14 07:24

【时序预测】1、概述

由于我们需要应用特定的数据预处理和特征工程技术来处理时间序列数据，因此这种基本的时间结构使时间序列问题更具有挑战性。
找不到没用过的名字了·2023-01-14 00:44

大数据分析案例-基于多元线性回归算法构建广告投放收益模型

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研究目的及意义2.2研究方法与思路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探索性数据分析4.3数据预处理4.4特征工程
艾派森·2023-01-13 18:47

简述事务的概念与事务的特征_特征工程工具总结(5)——Featuretools

Featuretools是执行自动化特征工程的框架。Featuretools是由FeatureLabs公布的开源项目。它擅长于将时间和关系数据集转换为机器学习的特征矩阵。
weixin_39636057·2023-01-13 18:16

python tools库_独家 | 用Python Featuretools库实现自动化特征工程（附链接）

本文简要介绍特征工程的基本组成部分，并用直观的示例理解它们，最后给出使用PythonFeaturetools库实现自动化特征工程的操作过程。
weixin_39769228·2023-01-13 18:46

Feature Tools：自动特征构造

特征工程基本概念特征工程意味着从现有的数据中构造额外特征，这些特征通常分布在多张相关的表中。特征工程需要从数据中提取相关信息并将其存入单张表格中，然后被用来训练机器学习模型。
猪逻辑公园·2023-01-13 18:15

Feature Tools:自动特征工程（翻译）

sudopip3installmatplotlib-ihttps://pypi.mirrors.ustc.edu.cn/simple/1.说明此文为翻译转载-项目文献-原文代码2.正文机器学习模型只能从我们给定的数据中学习，所以构造一个和任务相关的特征是至关重要的，参见优质论文《AFewUsefulThingstoKnowaboutMachineLearning》。然而，人工特性工程是一项冗长乏味
mydear_11000·2023-01-13 18:45

python Featuretools实现自动特征工程

importfeaturetoolsasftfromfeaturetools.selectionimportremove_low_information_featuresimportpandasaspdimportnumpyasnpfilename='data/ds76_tx_All_Data_74_2018_0912_070949.txt'defdatashop_to_entityset(fil
Adm1rat1on·2023-01-13 18:45

Feature Tools：可自动构造机器学习特征的Python库

目前，很多机器学习项目的模型选择开始转向自动化，而特征工程仍然主要以人工为主。这个过程的重要性可能比模型选择更重要，人工得到的特征总带有一定的局限性。
hellozhxy·2023-01-13 18:43

用 Python Featuretools 库实现自动化特征工程

（给Python开发者加星标，提升Python技能）英文：PrateekJoshi，翻译：数据派/张玲简介在机器学习黑客马拉松和竞赛中，特征工程的质量通常是进入排行榜10强和无缘50强的重要区别，因此，
Python开发者·2023-01-13 18:43

FeatureTools官方文档——Get Start 之用实体集表示数据

它们对于为特征工程准备原始的结构化数据集非常有用。尽管Featuretools中的许多函数将实体和关系作为不同的参数，但建议创建一个EntitySet，以便你可以根据需要更轻松地操作数据。
影子飞扬·2023-01-13 18:13

Featuretools 学习1 - 官方入门文档

featuretools是实现自动特征工程的框架。它擅长将时间和关系数据集转换为用于机器学习的特征矩阵。参考官方链接：WhatisFeaturetools?
__Lynn__·2023-01-13 18:12

Featuretools 学习3 - 深度特征合成

深度特征合成深度特征合成（DeepFeatureSynthesis,DFS）是一种用于对关系和时间数据执行特征工程的自动化方法。输入数据DFS需要结构化的数据集才能执行特征工程。
__Lynn__·2023-01-13 18:12

常用AI/机器学习模型可解释技术与工具

通过模型可解释，可以指导特征工程的优化、检测偏差、增强模型使用者对模型的可信度。Anaconda资深数据科学家SophiaYang总结了8种模型可解释常用技术和工具，对其主要特征进行了概述。
Baihai IDP·2023-01-13 17:20

机器学习sklearn-数据预处理与特征工程

一、概述数据不给力，再高级的算法都没有用。数据挖掘的五大流程：获取数据数据预处理数据预处理是从数据中检测，纠正或删除损坏，不准确或不适用于模型的记录的过程可能面对的问题有：数据类型不同，比如有的是文字，有的是数字，有的含时间序列，有的连续，有的间断。也可能，数据的质量不行，有噪声，有异常，有缺失，数据出错，量纲不一，有重复，数据是偏态，数据量太大或太小数据预处理的目的：让数据适应模型，匹配模型的需
Heiko_Lee·2023-01-13 16:36

机器学习--常用的特征工程方法

1、特征选择介绍（1）特征选择的定义对当前学习任务有价值的属性称为是“相关特征”，没有价值的属性称为是“无关特征”，从给定的特征集中选择出相关特征子集的过程，就称为是“特征选择”。其中还有一种特征称为是“冗余特征”，这些特征指的是可以从其他特征中推演出来的特征。（2）特征选择的重要性特征选择是一个“数据预处理”过程，它的重要性体现在两个方面：1）减轻维度灾难问题。2）去除无关特征可以降低学习的难度
星辰如月·2023-01-13 16:03

机器学习基础-30:特征工程与模型选择

机器学习的特征工程与模型选择机器学习原理与实践(开源图书)-总目录，建议收藏，告别碎片阅读！1数据预处理数据预处理包括:数据清洗、数据格式转换和领域知识收集等。
MTVideoAI·2023-01-13 16:03

机器学习--常用的特征工程方法

机器学习–常用的特征工程方法：https://blog.csdn.net/qq_44930315/article/details/103074289【机器学习】特征工程七种常用方法：https://blog.csdn.net
愚昧之山绝望之谷开悟之坡·2023-01-13 16:22

【3 - 数据预处理】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·2023-01-13 15:26

推荐排序模型4—— Deep&Cross Network（DCN）及python（DeepCTR）实现

DCN(DeepCrossNetwork)在学习特定阶数组合特征的时候效率非常高，而且同样不需要特征工程，引入的额外的复杂度也是微乎其微的。
端坐的小王子·2023-01-13 15:26

Kaggle出了一本竞赛书（500页）！

Kaggle的介绍，各种Kaggle的建模问题以及建模的技巧，同时还讲述如何利用Kaggle的经历来构建你的简历等：了解Kaggle是如何运作，如何充分利用来自两位专家级Kaggle大师的比赛；通过集成、特征工程
Datawhale·2023-01-13 13:12

使用xgboost建立评分卡

目录1.特征工程1.1数据维度1.2特征衍生1.3离散处理1.3.1one-hot编码1.3.2WOE编码1.4特征筛选1.4.1solveKS1.4.2solvePSI1.4.3迭代特征筛选1.4.4
一直在路上ing·2023-01-13 01:19

prompt范式

1-范式发展历程：P1.非神经网络时代的完全监督学习（FullySupervisedLearning,Non-NeuralNetwork）--特征工程P2.基于神经网络的完全监督学习(FullySupervisedLearning
Jeu·2023-01-13 01:49

数据科学在量化金融中的应用：指数预测（下）

接下来，本篇会重点介绍特征工程、模型选择和训练、模型评估和模型预测的详细过程，并对预测结果进行分析总结。
·2023-01-12 17:16

构建企业级推荐系统（03）：推荐算法团队介绍（万字长文）

创作不易，点赞关注支持一下吧✌目录一、推荐团队组成1.数据处理与特征工程开发人员2.推荐算法研究人员3.推荐算法工程实践人员4.支撑组件开发人员二、与推荐系统密切相关的其他团队1.基
数据与智能·2023-01-12 16:22

sklearn 随机森林_图解随机森林算法

注意：我们不涉及建模中涉及的预处理或特征工程步骤，只查看当我们使用sklearn的RandomForestClassifier包调用.fit()和.transform()方法时，算法中会发生什么。
weixin_39968436·2023-01-12 00:58

机器学习的一般框架

管理开发环境jupyter：编写整个数据处理流程pycharm：远程编写调试代码ipdb：pycharmdubug时偶尔出现一些bug，可以用结合ipdb补充解决数据开发六步data数据的获得、清洗、特征工程等预处理在这一步做
FibonacciCode·2023-01-11 23:36

大数据分析案例-基于KNN算法对茅台股票进行预测

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研究目的与意义2.2研究方法与思路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探索性数据分析4.3数据预处理4.4特征工程
艾派森·2023-01-11 17:56

【机器学习】特征工程中常见的特征编码

类别特征（CategoricalFeatures）编码方式OneHotEncoding（独热编码）独热编码，又称为一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候，其中只有一位有效。可以这样理解，对于每一个特征，如果它有m个可能值，那么经过独热编码后，就变成了m个二元特征。并且，这些特征互斥，每次只有一个激活。如果数据是离散的，而且是无序的
黎小强同学·2023-01-11 16:35
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他