特征工程

机器学习笔记4：特征工程

一、特征工程概述“数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。
腾阳·2023-01-11 08:54

sklearn中的数据预处理和特征工程

1概述数据不给力，再高级的算法都没有用1.1数据预处理与特征工程数据挖掘的五大流程：获取数据数据预处理：从数据中检测、纠正或删除损坏、不正确或不适用于模型的记录的过程。
momokofly·2023-01-11 07:48

《图机器学习》-Node Embeddings

EncoderandDecoder三、RandomWalkApproachesforNodeEmbeddings一、GraphRepresentationLearning在传统的图机器学习中，依赖于手工特征工程
快乐活在当下·2023-01-11 00:59

03_机器学习相关笔记——特征工程（3）

03_机器学习相关笔记——特征工程（3）在许多实际问题中常常需要面对欧中高维特征，简单地两两组合容易存在参数过多，过拟合的问题。可以使用基于决策树的方式来寻找有效的组合特征。
等风来随风飘·2023-01-10 21:06

05_机器学习相关笔记——特征工程（5）

05_机器学习相关笔记——特征工程（5）Word2Vec输出层N维表示词汇表中有N个单词，通过Softmax激活函数计算每个单词的生成概率，并最终获得概率最大的单词。
等风来随风飘·2023-01-10 21:06

04_机器学习相关笔记——特征工程（4）

04_机器学习相关笔记——特征工程（4）主体模型，用于从文本库中发现有代表性的主题，得到每个主题上面词的分布特性，并且能够计算出每篇文章的主题分布。
等风来随风飘·2023-01-10 21:05

讲座笔记：Representation Learning on Networks

1传统机器学习传统机器学习需要进行很多的特征工程我们希望模型自动学习特征，而不是用人为特征工程的方式1.1目标1.2难点graph更复杂，CNN和RNN很难直接应用——>复杂的拓扑结构（不像CNN有网格的概念
UQI-LIUWJ·2023-01-10 17:01

项目一 Part 4.2 基于网格搜索的超参数优化实战

【Kaggle】TelcoCustomerChurn电信用户流失预测案例第四部分导读  在案例的第二、三部分中，我们详细介绍了关于特征工程的各项技术，特征工程技术按照大类来分可以分为数据预处理、特征衍生
Grateful_Dead424·2023-01-10 15:12

O2O优惠券核销-模型预测

目录一、项目背景与目标二、数据描述三、问题分析四、数据探索与预处理五、特征工程（构造特征）5.1特征构造-整体数据5.1.1时间特征5.1.2优惠券特征5.1.3预测目标值构造5.2数据划分-时间滑窗5.3
十二十二呀·2023-01-10 15:00

cnn-lstm介绍（2）

CNN具有注意最明显的特征，因此在特征工程中得到了广泛的应用。LSTM有，按时间顺序扩张的特性，广泛应用于时间序列中。
不觉云·2023-01-10 11:01

学习笔记(17):第二章：线性回归-特征工程：共享单车骑行量预测

立即学习:https://edu.csdn.net/course/play/10178/216924?utm_source=blogtoeduin17mask什么意思15:30fit-transform是什么意思
weixin_45414304·2023-01-10 09:06

Batch normalization

具体解释可以看这里:特征工程中的「归一化」有什么作用？
weixin_30437847·2023-01-10 07:40

Scikit-Learn实现线性回归数据分析

pandas来读取数据2、生成X，y数据3、划分训练集和测试集4、运行Scikit-Learn的线性模型5、对模型进行评价6、交叉验证7、画图观察真实值与预测值的变化关系数据源是单车共享数据，前期已经实现了特征工程
fly_Xiaoma·2023-01-09 18:38

【啃书】【阿里云天池大赛赛题解析】目录

算法与业务结合的开发步骤：业务理解->数据探索->特征工程->模型训练->模型验证->特征优化->模型融和。其中蕴含着模型的重构与参数的优化。实际业务场景应用机器学习，有不同的步骤，但分类不同。
八号线土著·2023-01-09 16:59

【读书向】阿里云天池大赛赛题解析——特征工程

【读书向】阿里云天池大赛赛题解析——特征工程目录【读书向】阿里云天池大赛赛题解析——特征工程特征工程数据预处理与特征处理pivot标准化归一化区间缩放法定量特征二值化哑编码多项式变换特征降维方差选择法相关系数法卡方检验互信息法递归特征消除法
挚爱FXJ·2023-01-09 16:58

feature engnineering 特征工程

特征工程数值型变量standardizationlog_transformation(使其符合正态分布)polynomialfeatures分类型变量orinigalencoderonehotencoder
樱武苏·2023-01-09 15:31

机器学习总结-基于sklearn包

流程集成学习数据预处理（特征工程）1.处理负值（oroutlier）标记有问题的特征，但是不删去defgetres1(row):returnlen([xforxinrow.valuesiftype(x)
zaprily·2023-01-09 14:00

机器学习学习路径

机器学习流程：数据准备→探索数据→特征工程→建模→模型评估→部署应用探索特征Python机器学习：select_dtypes()筛选特定数据类型的字段_紫昂张的博客-CSDN博客Python机器学习：value_counts
紫昂张·2023-01-09 14:17

Python机器学习：sklearn调包建模

特征工程完成了之后，就开始训练模型啦。这里用随机森林这个模型举例。
紫昂张·2023-01-09 14:17

DeepFM模型介绍

DeepFM实践场景FM模型DeepFM模型代码实践场景CTR预估是目前推荐系统的核心技术，其目标是预估用户点击推荐内容的概率，在特征工程中，二阶特征的交叉非常重要，但是人为的特征交叉及其繁琐，且需要很多领域和业务经验
舟·2023-01-09 13:07

DeepFM模型

尽管现有的方法都取得很大的成功，对于低阶和高阶的特征交互研究很少，还需要一些实验和特征工程。在本文中，我们展示了低阶和高阶交互的端对端学习。
Rory602·2023-01-09 13:35

机器学习流程(三)-特征工程

目录一、数据预处理1.异常值处理2.缺失值处理3.不均衡样本-数据采样1.欠采样（undersampling）2.过采样（oversampling）3.阈值移动4.基于聚类的过采样方法4.时间类型数据处理5.文本类型数据处理6.数据有偏分布处理1.Box-Cox2.使倾斜分布对称3.非线性关系转换成线性二、特征处理1.标准化、归一化处理1.标准化2.区间缩放法3.归一化2.连续特征离散化1.定量特
why do not·2023-01-09 12:30

数据挖掘与数据分析（四）—— 预处理理论（1） —— 特征工程 Feature Engineering

这就是特征工程要做的事，它的目的就是获取更好的训练数据。特征工程是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。简而言之，特征工程就是一个把原始数据转变成特征的过程，这些特
hxxjxw·2023-01-09 12:57

一、中文自然语言处理的完整机器处理流程 nlp笔记

：1.数据清洗：整理出感兴趣的内容2.分词：将文本全部进行分词，基于字符串匹配，统计的分词方法，规则的分词方法3.词性标注：形容词，动词，名词等4.去停用词：标点符号，人称，语气词等，由具体场景定3.特征工程
酒窝写代码·2023-01-09 12:27

机器学习项目开发过程/步骤(基于scikit-learn)

机器学习项目开发步骤1.获取数据集2.读入数据集、探查数据3.数据预处理4.特征工程5.划分数据集6.模型|算法选择7.创建算法模型实例对象(给出一些超参数)8.训练模型9.模型评估10.模型的序列化(
翩若惊鸿_·2023-01-09 10:04

在线学习(online learning)总结

一、背景传统机器学习开发流程基本是：数据收集->特征工程->模型训练->模型评估->保存模型->线上模型预测。
NO PAIN_NO GAIN·2023-01-09 07:34

012用于癫痫发作预测的半扩张卷积神经网络-2021

经典的机器学习算法和各种特征工程方法已成为癫痫发作预测的支柱，但性能是可变的。在这项工作中，我们首先提出
爱吃榴莲的妹妹·2023-01-08 12:18

【阶段三】Python机器学习02篇：机器学习项目流程

本篇的思维导图：机器学习项目流程大致分为以下6个环节：（1）项目背景(问题定义)（2）数据收集(3)数据预处理与探索性数据分析(4)特征工程（5）构建模型：机器学习模型（算法）的选择
胖哥真不错·2023-01-08 11:38

机器学习常见问题

机器学习一些常见问题特征工程是什么？
回想sy·2023-01-08 10:25

机器学习常见问题总结

文章目录1特征工程1.1特征归一化1归一化方法2为什么需要归一化1.2类别型特征1.3组合特征1.4文本表示能力1Word2Vec2Word2Vec和LDA区别联系2模型评估2.1评估指标2.2ROC和
Weiyaner·2023-01-08 10:53

时间序列问题案例分析Kaggle M5 Forecasting（代码+数据）

EDA1.探索性数据分析数据FirstLook（类型，每列的意义，目标值）数据检查和清洗（主键判重、空值，异常值检测）异常值检测趋势作图Downcast提取时间相关特征小结作业1.x构建树模型解决方案2.特征工程
赵孝正·2023-01-08 10:46

Python机器学习建模的标准流程（特征工程+建模调参+模型评估+全流程可视化）

作者CSDN：进击的西西弗斯本文链接：https://blog.csdn.net/qq_42216093/article/details/116994199版权声明：本文为作者原创文章，转载需征得作者同意如今机器学习炙手可热，而对于数据分析师或是从事数据相关的工作者而言，Python是一种最常用的机器学习实现方式。本文将从实践的角度出发，以经典的泰坦尼克号幸存者数据集为例，以sklearn为主要工
进击的西西弗斯·2023-01-08 09:03

2020 AI 算法工程师常见知识点整合

算法工程师基础理论0.写在前面机器学习流程基本概念数据从数据到答案将原始数据映射到特征模型：数据关系的近似描述高屋建瓴1.特征工程预处理：将原始数据变为特征向量1.数值变量：归一化/标准化处理1.1归一化
Robin_Pi·2023-01-08 06:27

机器学习过程概述

机器学习概述1.机器学习工作流程1.1机器学习工作流程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1.2数据集介绍数据集中一行数据一般称为一个样本
ＪＩＮＣＨＥＮＧ０４０８·2023-01-07 18:52

特征工程(文本特征提取CountVectorizer、TF-IDF 分词jieba、归一化、标准化 )、python示例

特征工程是什么特征工程是将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了模型对未知数据预测的准确性如把一段文字转化为矩阵：数据的特征抽取sklearn特征抽取APIsklearn.feature_extraction
weixin_961876584·2023-01-07 15:10

踩实底子|每日学习|02-特征工程和文本特征提取【下】

前文说到，特征工程是为了预测结果数据的处理步骤，也简单用了一两个实例说明了文本特征的提取，其中字典特征提取和文本特征主要是将特征数据化，也就是one-hot编码。
云胡实验室·2023-01-07 15:05

我的python笔记之鸢尾花种类预测实现

2、步骤分析在写机器学习的代码的时候，一定要记得先写主要步骤，然后再细分这些步骤，这样编程思路清晰，在以后的学习复习过程中会很方便2.1获取数据集2.2数据基本处理2.3特征工程2.4机器学习（模型训练
JunQiuPython·2023-01-07 12:32

特征工程

一、特征工程是什么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？
一路前行1·2023-01-07 08:46

特征工程系列：笛卡尔乘积特征构造以及遗传编程特征构造

原创：JunLiang木东居士1周前特征工程系列：笛卡尔乘积特征构造以及遗传编程特征构造本文为数据茶水间群友原创，经授权在本公众号发表。
J-JunLiang·2023-01-07 07:33

特征工程原理（二）

前边文章讲了特征工程的定义、特征处理和特征转换；本节继续特征特征相关的内容，主要讲特征的选择。四、特征选择4.1特征选择的定义特征选择是在数据分析和建模中最常用的特征降维手段。
Andy_shenzl·2023-01-07 07:57

机器学习（十）：机器学习训练速度的提升技巧

编程语言：Python操作系统：Windows机器学习中最耗时也是最核心的两个阶段，一个就是特征工程，另一个就是训练过程了，训练过程，少则几个小时，多则几天，这个总是会占用不少时间，如果赶在向领导汇报或者业务方需要结果的是
打不死的小黑·2023-01-07 07:27

时间序列预测

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写在前面时间序列预测就是利用过去一段时间的数据来预测未来一段时间内的信息
VachelHu·2023-01-07 04:07

模型融合Stacking和Blending

模型融合BlendingStacking区别各种比赛中常常见到在特征工程和调参取不到太大的进步的时候，转而进行模型融合操作。常用方法用Stcaking和Blending，该文记录一下学习使用中的情况。
Sigyc·2023-01-06 20:54

论文解读《通过迭代特征表示计算预测物种特异性酵母DNA复制起源》

然而，现有的ORIs计算预测器有一定的限制，如只构建单特征编码模型，有限的系统特征工程工作，以及无法验证模型的鲁棒性。因此，我们开发了一
HXH@·2023-01-06 16:58

深度学习和普通机器学习之间有何区别？

因此，深度学习的目标是克服单调乏味的特征工程任务的挑战，并帮助将传统的神经网络进行参数化。现在，为了引入深度学习，让我们来看看一个更具体的例子，这个例子涉及多层感知器(MLP)。在MLP中，“感
36大数据·2023-01-06 14:36

【机器学习】KNN算法实战项目三：金融贷款策略分类

KNN算法实战项目三：金融贷款策略分类3金融贷款策略中的KNN分类3.1模块导入与数据加载3.2数据EDA3.2.1数据预处理3.2.2数据可视化3.2.3特征工程3.3模型创建与应用3.4模型对比手动反爬虫
百木从森·2023-01-06 13:28

数据挖掘项目实战—Kaggle入门竞赛：房价预测之EDA与特征工程

文章目录一、房价预测比赛介绍数据集介绍二、EDA与特征工程房价预测网址一、房价预测比赛介绍  房价回归预测，依据一个房子的全方位信息，包括面积、地段、环境等79个变量来预测出房子的价格。
哎呦-_-不错·2023-01-06 11:33

【机器学习之特征工程】数据预处理、特征选择、降维及不平衡处理

目录：1.什么是特征工程？
Sciengineer-Mike·2023-01-06 11:03

机器学习算法构建流程

数据挖掘流程：我在天池做过一些比赛，比如新人赛里面的o2o，但对于建模前的一些准备（特征工程或者说叫数据挖掘）并没有什么概念，网上也并没有找到相应的资料。
隔壁王者新·2023-01-06 11:33

【数据挖掘】机器学习算法建模实操完整流程（基于Kaggle数据集）

摘要大部分初学者在学习机器学习算法的时候，常常使用的是像Bostonhousing，titanicdataset，Irisdata等等这样的赶紧数据集，不需要做太多的数据预处理和特征工程。
Sciengineer-Mike·2023-01-06 11:01
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他