特征工程第3页

Scikit-Learn 高级教程——高级特征工程

PythonScikit-Learn高级教程：高级特征工程特征工程是机器学习中不可或缺的一部分，而高级特征工程则涉及更复杂的技术和方法。

Echo_Wish·2024-01-28 04:45

1、什么是特征工程

1、欢迎来到特征工程！!在这门课程中，你将学习到构建一个优秀的机器学习模型过程中最重要的一步：特征工程。

AI算法蒋同学·2024-01-28 01:39

【特征工程】特征选择及mRMR算法解析

【嵌牛鼻子】：特征工程、mRMR算法【嵌牛提问】：不同模型有不同的特征适用类型？【嵌牛正文】：特征子集的搜索：（1）子集搜索问题。比如逐渐添加相关特征（前向forward搜索）或逐渐

随心所欲_7b32·2024-01-27 09:56

XGBoost系列8——XGBoost的未来：从强化学习到AutoML

目录写在开头1.XGBoost在强化学习中的应用1.1构建强化学习问题1.2XGBoost与深度强化学习的对比1.3实际任务中的成功案例2.XGBoost与AutoML的结合2.1XGBoost在自动特征工程中的应用

theskylife·2024-01-26 21:21

机器学习没那么难，Azure AutoML帮你简单3步实现自动化模型训练

在MachineLearning这个领域，通常训练一个业务模型的难点并不在于算法的选择，而在于前期的数据清理和特征工程这些纷繁复杂的工作，训练过程中的问题在于参数的反复迭代优化。

AI普惠大师·2024-01-26 07:55

特征工程自动化如何为机器学习带来重大变化

摘要：机器学习中最重要的领域之一是特征工程，却被严重地忽视了。这个重要领域中最成熟的工具就是Featuretools，一个开源的Python库。

城市中迷途小书童·2024-01-26 04:17

深度学习推荐系统之DeepCrossing

DeepCrossing模型原理这个模型就是一个真正的把深度学习架构应用于推荐系统中的模型了，2016年由微软提出，完整的解决了特征工程、稀疏向量稠密化，多层神经网络进行优化目标拟合等一系列深度学习在推荐系统的应用问题

YANJINING·2024-01-25 17:17

深入浅出特征工程 – 基于 OpenMLDB 的实践指南（上）

1.什么是机器学习的特征工程一个真实场景的机器学习应用一般会包含两个主体流程，即特征工程和机器学习模型（以下简称模型）。

第四范式开发者社区·2024-01-25 10:01

机器学习笔记02：特征工程

机器学习笔记02：特征工程文章目录机器学习笔记02：特征工程1.特征工程定义2.数据的特征抽取：1.字典特征抽取：2.文本特征抽取：3.tf-df分析问题3.特征预处理1.特征处理的方法：1.数值型数据

fafagege11520·2024-01-25 09:12

Task2 数据分析 (1)

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。

__y__·2024-01-25 08:57

分销商产品未来销售情况预测--数据分析实战

目录介绍知识点未来销售额预测介绍导入数据并预览训练集销售商品的类别信息商品信息数据集商店信息数据可视化每天的销售量分布图销售价格分布图商店的分布情况商店所有商品的价格情况商店每天的销售情况商品的种类信息哪种类别的商品卖得最好数量前二十五个商品信息这些商品与总销售额的关系特征工程构建模型分析总结介绍以往数据分析中

HHAoW·2024-01-24 18:23

西班牙高速列车票价预测分析--数据分析实战

知识点数据清洗特征工程预测模型构建数据集预处理数据在资源里。现在先来加载数据，通过下面代码下载数据。加载并预览数据前五行importpand

HHAoW·2024-01-24 18:52

XGBoost系列5——XGBoost的集成学习之旅

的梯度提升树特性2.2正则化项的引入2.3学习速度与性能优势2.4与传统集成学习算法的对比3.如何在实际项目中使用XGBoost进行集成3.1数据集特征与评估指标的选择3.2XGBoost模型的选择与调优3.3特征工程的重要性

theskylife·2024-01-24 11:34

Optional Lab: Feature Engineering and Polynomial Regression

GoalsInthislabyouwillexplorefeatureengineering(特征工程)andpolynomialregression(多项式回归)，使我们可以使用线性回归机制来拟合非常复杂甚至非线性的函数

gravity_w·2024-01-24 04:08

2023“SEED”第四届江苏大数据--新能源赛道复赛Btop2总结

交流群里面有人喊话：单模220，如果真的是这样，也很想学习下特征工程的思路以及使用模型。这个比赛让我感觉很诧

汀沿河·2024-01-23 09:00

【百面机器学习】读书笔记（一）

本文主要内容为前两章，特征工程和模型评估。

Karen_Yu_·2024-01-23 09:28

数据挖掘实战-基于机器学习的电商文本分类模型

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.数据集介绍3.技术工具4.实验步骤4.1数据探索4.2数据预处理4.3文本归一化4.4特征工程4.5训练模型1.项目背景随着电子商务的蓬勃发展

艾派森·2024-01-22 16:52

【机器学习300问】14、什么是特征工程？

于是呢我就去问了一下维基百科，下面是他的回答：特征工程（英语：featureengineering）又称特征提取（英语：featureextraction）或特征发现（英语：featurediscovery

小oo呆·2024-01-22 09:12

个性化风控！消费贷客群分群模型应用实践

提出明确业务目标及业务定义，我们需要优化模型的主要方法有以下三个方面：特征工程、算法改进和模型框架。

风控小兵突击·2024-01-21 18:02

数据分析完整流程一般包括哪几个环节/步骤

特征工程：对数据进行变换、组合或生成新特征，以提高模型性能或更好地反映问题的本质。建模：

Recursions·2024-01-21 07:21

（9-3）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：数据预处理

1.1.6数据预处理数据预处理是训练高质量机器学习模型的关键步骤，在这一步需要检查缺失数据并进行特征工程，以将数据转换为适合模型训练的状态。

码农三叔·2024-01-20 09:21

机器学习-滑窗

另一种是先进行特征工程，将时间序列数据切段，对每段内的时间序列数据进行特征提取。再将众多特征作为常规机器学习算法的输入。

dufudouhenmang·2024-01-19 11:44

表示学习内容摘录《深入浅出神经网络：GNN原理解析》

这样的特征工程是十分费时费力的，这也暴露了传统机器学习方法中存在的问题，这些方法没有能力从数据中去获得有用的知识，而特征工程的目的则是将人的先验知识转化为可以被机器学习算法识别的特征，以弥补其自身的缺点

认知计算_茂森·2024-01-19 11:25

transformer猪肉价格预测实战可直接运行

你可以使用各种来源（如金融数据API、网站爬虫等）获取数据，并进行数据预处理和特征工程。在这里，我们使用一个简单的示例数据集。importpandasaspd#示例数据（日

mqdlff_python·2024-01-19 08:17

利用 Apache Spark 和 Databricks 进行企鹅种类预测的机器学习实践入门

在对机器学习的特征工程部分包括了对分类特征的编码和数值特征的规范化处

AI普惠大师·2024-01-19 06:17

基于深度学习的时间序列算法总结

常用的深度学习模型包括循环神经网络（RNN）、长短时记忆网络（LSTM）、门控循环单元（GRU）、卷积神经网络（CNN）、注意力机制（Attention）和混合模型（Mix）等，与机器学习需要经过复杂的特征工程相比

流浪的诗人，·2024-01-18 21:36

变分自编码器（Variational AutoEncoder，VAE）

它的结构下图所示：据图可知，AE通过自监督的训练方式，能够将输入的原始特征通过编码encoder后得到潜在的特征编码，实现了自动化的特征工程，并且达到了降维和泛化的目的。

溯源006·2024-01-18 18:59

工智能基础知识总结--特征工程之降维算法

数据降维简介数据降维即对原始数据特征进行变换，使得特征的维度减少。依据降维过程是否可以用一个线性变换表示，降维算法可以分为线性降维算法和非线性降维算法，下图展示了各种降维算法及其类别：降维的必要性：多重共线性和预测变量之间相互关联。多重共线性会导致解空间的不稳定，从而可能导致结果的不连贯。高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间，而在十维空间上只有2%。过多的变量，对查找

北航程序员小C·2024-01-18 12:53

特征工程之特征选择

特征选择的目标构造机器学习的模型的目的是希望能够从原始的特征数据集中学习出问题的结构与问题的本质，此时的挑选出的特征就应该能够对问题有更好的解释；特征决定了机器学习的上限，而模型和算法只是去逼近这个上限，所以特征选择的目标大概如下：提高预测的准确性；减少模型的运行时间；能够对模型有更好的理解和解释。Filter(过滤法)基本想法是：对每个特征，分别计算它相对于类别标签的信息量，将所有信息量按照从大

北航程序员小C·2024-01-18 12:52

【机器学习实例讲解】机器学习-鸢尾花数据集多分类第02课

特征工程

德天老师·2024-01-18 08:45

风控算法大赛解决方案分享

01项目总体思路本文将为您介绍我们在数据处理过程中所采用的方法，从数据清洗到特征工程再到特征选择，最终进行模型设计与分析。在

风控小兵突击·2024-01-17 23:29

数据处理和特征工程（二）

4.特征选择一般有四种方法用来选择特征：过滤法、嵌入法、包装法、降维算法4.1Filter过滤法**根据统计检验的分数和相关性指标来选择特征，完全独立于各种机器学习算法4.1.1方差过滤VarianceThreshold通过特征本身的方差来筛选类，如果一个特征的方差很小，说明样本在这个特征上基本没有差异，可能大多数值都一样。VarianceThreshold有重要参数Threshold，表示舍弃所

于饼喵·2024-01-17 22:23

机器学习：08. sklearn中的特征选择feature_selection

导入数据importpandasaspddata=pd.read_csv(r"C:\Users\18700\Desktop\03数据预处理和特征工程\digitrecognizor.csv")data.head

医学小白学生信·2024-01-17 04:40

特征工程-特征处理（二）

特征处理二、时间特征处理将原本的具体时间拆分为年月日等多个特征变量，同时可以引入在一天的某个时间段，或者是当天是否为节假日等其他条件，还可以进一步结合其他特征，进行前后一个时间段或是多个时间段时间的特征差值。dt.shift(periods=1,freq=None,axis=0)连续型变量处理（一）单特征归一化和标准化数据的归一化和标准化是特征缩放的方法。不同评价指标往往具有不同的量纲和量纲单位，

alstonlou·2024-01-16 21:33

特征工程-特征处理（三）

特征处理连续型变量处理（二）多特征降维PCAPCA是一种常见的数据分析方式，通过数据分解，将高维数据降低为低维数据，同时最大程度保持数据中保存的信息。fromsklearn.decompositionimportPCAA=np.array([[84,65,61,72,79,81],[64,77,77,76,55,70],[65,67,63,49,57,67],[74,80,69,75,63,74]

alstonlou·2024-01-16 21:30

pytorch集智-5手写数字识别器-卷积神经网络

一般机器学习需要特征工程，cnn可以自动识别，极大代替或取代了特征工程和多层感知机原理不同点：层包含卷积层，池化层。但也是一种前馈神经网络输入与输出：输入可为图像，输出为目标分类个数（比

peter6768·2024-01-16 07:15

AutoGluon安装及示例

AutoGluon安装及示例文章目录AutoGluon安装及示例AutoGluon_BackgroundAutoGluon安装运行示例打印相关配置信息数据预处理过程特征工程模型训练NLP模型训练使用模型

Every DAV inci·2024-01-15 19:03

机器学习之特征工程

二、定义特征工程（FeatureEngineering）特征工程是将原始数据转化成更好的表达问题本质的特征的过程，使得将这些特征运用到预测模型中能提高对不可见数据的模型预测精度。特征工程简单

物随心转·2024-01-15 11:10

自学习算法

2.特征提取：利用深度学习技术，自动从原始数据中提取有用的特征，减少人工干预和手动特征工程的需求。3.模型训练：使用各种深度学习模型进行训练，如卷积神经网络、循

.:::.·2024-01-15 04:26

面向工业的复合自动机器学习

这包括数据清洗、数据预处理、数据增强等一系列操作，以便为后续的特征工程和模型训练提供高质量的数据源。二、特征工程特征工程是机器学习中的关键环节，对于模型的性能具有决定性的影响。

道亦无名·2024-01-14 22:30

特征工程-特征处理（一）

特征处理-（离散型特征处理）完成特征理解和特征清洗之后，我们要进行特征工程中最为重要和复杂的一步了——特征处理离散型特征处理离散型特征通常为非连续值或以字符串形式存在的特征，离散型特征通常来讲是不能直接喂入模型中的

alstonlou·2024-01-14 11:20

特征工程-特征清洗

特征清洗在进行玩特征理解后，我们大致理解了面对的数据中包含哪些内容。下一阶段，我么需要对数据中的内容进行进一步分析处理，针对不同数据进行清洗。数据清洗是对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性一.格式内容清洗原因数据通常由人工收集或用户填写而来，很有可能存在格式和内容上的一些问题。不同版本的程序产生的内容或格式不一致；不同数据源采集而来的数据内容和格式

alstonlou·2024-01-14 11:19

[DL]深度学习_神经网络

神经网络推导过程目录一、前向传播二、反向传播1、定义2、优化算法三、神经网络整体架构1、基本架构2、隐藏层3、神经元个数对结果的影响4、正则化对结果的影响四、数据预处理1、数据预处理步骤2、数据标准化3、参数初始化4、特征工程五

IAz-·2024-01-14 05:21

Python综合数据分析_RFM用户分组模型

文章目录1.导入数据2.月度订单数据可视化3.数据清洗4.特征工程5.构建User用户表6.求R值7.求F值8.求M值9.显示R、F、M值的分布情况10.显示手肘图辅助确定K值11.创建和训练模型12.

you_are_my_sunshine*·2024-01-13 13:32

机器学习_实战框架

文章目录介绍机器学习的实战框架1.定义问题2.收集数据和预处理(1).收集数据(2).数据可视化(3).数据清洗(4).特征工程(5).构建特征集和标签集(6).拆分训练集、验证集和测试集。

you_are_my_sunshine*·2024-01-13 07:44

数据特征工程 | PSO粒子群算法的特征选择原理及python代码实现

粒子群优化（ParticleSwarmOptimization，PSO）是一种基于群体智能的优化算法，常用于解决搜索和优化问题。在特征选择问题中，PSO可以用于选择最佳的特征子集，从而提高模型的性能和效果。PSO的特征选择原理如下：表示特征子集：PSO中的每个粒子表示一个特征子集，其中每个维度对应一个特征。粒子的位置向量表示了特征子集的状态，每个位置的取值可以是0或1，分别代表该特征是否被选择。群

算法如诗·2024-01-12 10:47

机器学习-0基础

如何生成可参考右边的帮助文档文章目录0基础机器学习一、什么是机器学习二、学习软件python三、如何学1.载入数据与理解数据1.1导入数据1.2数据查看2.数据准备与特征过程1.2数据预处理-缺省值-异常值异常值：3特征工程模型与优化

猿戴科·2024-01-12 09:47

【特征工程】17种将离散特征转化为数字特征的方法

作者|SamueleMazzanti编译|VK来源|TowardsDataScience“你知道哪种梯度提升算法？”“Xgboost，LightGBM，Catboost，HistGradient。”“你知道哪些离散变量的编码？”“one-hot”在一次数据科学面试中听到这样的对话我不会感到惊讶。不过，这将是相当惊人的，「因为只有一小部分数据科学项目涉及机器学习，而实际上所有这些项目都涉及一些离散数

风度78·2024-01-12 06:34

【特征工程】分类变量：使用OrdinalEncoder对序数特征进行编码

OrdinalEncoding：序数特征的编码方法1.OrdinalEncoding是什么？什么是序数特征？：序数特征（Ordinalfeatures）是分类特征中包含一定顺序的变量（如家属人数、教育程度、财产范围）OrdinalEncoding是一种用于处理有序分类变量的编码方法，它为每个类别分配一个整数值，保留了类别之间的顺序关系。这种编码方法适用于那些具有内在顺序结构的分类变量，能够为模型提

Avasla·2024-01-12 06:25

特征工程（二）

特征工程（二）特征理解理解手上的数据，就可以更好的明确下一步的方向。

alstonlou·2024-01-11 09:49

推荐频道

特征工程