特征工程

特征工程(五)—(2)特征选择_基于统计的特征选择

基于统计的特征选择基于统计的特征选择，可以使用皮尔逊相关系数、假设检验来帮助我们进行特征选择。1、基于皮尔逊系数皮尔逊相关系数会测量列和列之间的线性关系，该系数在-1~1之间变化，0代表没有线性关系，-1和1代表线性关系很强。注意：皮尔逊相关系数要求每列是正态分布的，如果数据集很大（超过500阈值），根据中心极限定理，很大程度上也可以忽略这个要求。"""基于统计的特征选择可以使用皮尔逊相关系数、假
undo_try·2022-11-22 02:55

数据挖掘流程（三）：特征工程

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。特征工程流程：这些过程不是必须全部要有，需要根据业务需求和数据格式特点，适宜调整！
天狼啸月1990·2022-11-22 02:22

特征工程

一、特征工程简介二、特征构建三、数据预处理四、特征选择五、特征提取一、特征工程简介1.1特征工程是什么？特征工程是这样一个过程：将数据转换为能更好地表示潜在问题的特征，从而提高机器学习性能。
mayanli123·2022-11-22 02:21

特征工程基本概述与简单实践

简介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好的数据和特征能够让机器学习事半功倍，甚至大大减轻算法的工作。想象一下极端情况，如果用全世界猫狗的照片来训练一个猫狗分类器，他将做到万无一失，反观如果只有几张猫狗照片来训练，甚至都不是猫狗的照片去训练猫狗分类器，那结果必定无法让人满意。手头的数据一般都是有限，但特征是需要我们去提取的，选出好的有意义的特征能够让数据的质量大大提高，
b1ackc4t·2022-11-22 02:49

关于特征工程方法和应用的总结

目录特征工程1.1数据结构化数据非结构化数据1.2常用特征处理方法1.2.1类别特征独热编码哈希编码标签编码频数编码Label-count编码目标编码嵌套法NaN编码多项式编码扩展编码合并编码1.2.2
yougwypf1991·2022-11-22 02:18

特征工程(六)—(1)利用PCA进行特征转换

(1)鸢尾花数据集的手动处理PCA利用了协方差矩阵的特征值分解过程如下：(1)创建数据集的协方差矩阵(2)计算协方差矩阵的特征值(3)保留前K个特征值(按照特征值降序排列)(4)要保留的特征向量转换新的数据点1、加载鸢尾花数据集importmatplotlibasmpl#解决中文乱码mpl.rcParams['font.sans-serif']=[u'SimHei']mpl.rcParams['a
undo_try·2022-11-22 02:47

深度学习—卷积神经网络（CNN）全笔记，附代码

机器学习流程特征工程的作用特征如何提取为什么需要深度学习深度学习的应用深度学习缺点传统算法与深度学习编辑计算机视觉计算机视觉面临的挑战机器学习常规套路K近邻K近邻计算流程K近邻分析数据库样例：CIFAR
高山仰止_·2022-11-22 01:40

机器学习笔记（7）— 学习率、特征工程、多项式回归

目录判断梯度下降是否收敛如何设置学习率特征工程多项式回归判断梯度下降是否收敛梯度下降的任务是找到能够使代价函数J最小的参数w和b，通常做法是绘制代价函数图（通过训练集计算出的），并且标出梯度下降每次迭代时
AUG-·2022-11-22 00:54

机器学习与数据挖掘实验一：牛顿法，梯度下降实现对数几率回归【详细原理+python代码】

机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN(VGG，GoogLeNet)的海面舰船图像分类【详细原理+python代码】机器学习与数据挖掘实验四：基于特征工程的支持向量机分类实验
oax_knud·2022-11-21 23:52

Spark.SQL时间序列缺失值填充与异常值处理

n-sigma盖帽5.平滑方法3.总结本文为销量预测第3篇：缺失值填充与异常值处理第1篇：PySpark与DataFrame简介第2篇：PySpark时间序列数据统计描述，分布特性与内部特性第4篇：时间序列特征工程第
fitzgerald0·2022-11-21 22:45

机器学习算法基础-day01

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档机器学习算法基础-day010.机器学习概述1.Scikit-learn与特征工程1.1数据的来源与类型1.2数据的特征抽取1.2.1分类特征变量提取
weixin_47049321·2022-11-21 21:12

机器学习概述与特征工程

文章目录1.机器学习概述1.机器学习工作流程学习目标1什么是机器学习2机器学习工作流程2.1获取到的数据集介绍2.2数据基本处理2.3特征工程2.4机器学习2.5模型评估3小结2机器学习算法分类学习目标
开心码农小王。·2022-11-21 21:11

机器学习9-案例1：银行营销策略分析

文章目录1.数据说明与预处理2.探索性分析3.数据的预处理与特征工程4.模型训练5.模型评价数据及代码连接—提取码：12341.数据说明与预处理importpandasaspdimportmatplotlib.pyplotasplt
哎呦-_-不错·2022-11-21 21:41

黑马程序员机器学习Day2学习笔记

一.转换器和预估器二.KNN算法网格搜索和交叉验证KNN案例：Facebook预测签到位置朴素贝叶斯联合概率、条件概率与相互独立决策树信息熵回顾传统机器学习算法流程：1.获取数据2.数据处理3.特征工程
文鸿开源工作室·2022-11-21 21:40

机器学习——【2】史上最全“特征工程“介绍

2.1数据集2.1.1可用数据集Kaggle网址：https://www.kaggle.com/datasetsUCI数据集网址：http://archive.ics.uci.edu/ml/scikit-learn网址：http://scikit-learn.org/stable/datasets/index.html#datasets（1）Scikit-learn工具介绍Python语言的机器学
泰勒一号·2022-11-21 21:40

机器学习算法+代码

概述1、机器学习研究方向传统预测图像识别自然语言处理2、数据集构成数据集=特征值+目标值监督学习：目标值为类别属于分类问题目标值为连续数据属于回归问题无监督学习无目标值3、机器学习流程获取数据数据处理特征工程机器学习模型
点击领取椭圆·2022-11-21 21:40

机器学习【KNN案例、API、总结】

2scikit-learn中数据集介绍2.1scikit-learn数据集API介绍2.1.1sklearn小数据集2.1.2sklearn大数据集2.2sklearn数据集返回值介绍2.3查看数据分布2.4数据集的划分二特征工程
OneTenTwo76·2022-11-21 21:40

机器学习基础课 (3)：机器学习案例之K-近邻（附详细python代码注释）

数据集Sklearn数据集数据集划分接口介绍（API）分类数据集回归数据集特征工程的步骤实例化（实例化的是一个转换器类）用fit_transform获得转换后的数据集转化器和估计器转化器Fit_transform
Y_蒋林志·2022-11-21 21:38

【机器学习】线性回归实战案例三：股票数据价格区间预测模型（国外+国内数据）

国外+国内数据）案例三：股票数据价格区间预测模型（国外+国内数据）2.3.1模块加载与忽略警告设置2.3.2加载数据和数据筛选2.3.3探索式数据分析（EDA）2.3.4探究字段之间的关联性2.3.5特征工程
百木从森·2022-11-21 21:37

机器学习-day2

分类算法目标值：类别1、sklearn转换器和预估器2、KNN算法3、模型选择与调优4、朴素贝叶斯算法5、决策树6、随机森林3.1sklearn转换器和估计器转换器估计器(estimator)3.1.1转换器-特征工程的父类
爱吃肉的鸽子·2022-11-21 21:36

机器学习Day2：花的特征工程-案例代码

#coding=utf-8importpandasaspdfromsklearn.decompositionimportPCA#读取四张表的数据prior=pd.read_csv("./data/order_products__prior.csv")products=pd.read_csv("./data/products.csv")orders=pd.read_csv("./data/order
py初学者123·2022-11-21 21:06

常用的特征选择方法

作者：城东链接：特征工程到底是什么？-城东的回答来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。目录1特征工程是什么？2数据预处理2.1无量纲化2.1.1标准化2.1
__矮油不错哟·2022-11-21 21:06

特征选择方法最全总结！

一、背景介绍在处理结构型数据时，特征工程中的特征选择是很重要的一个环节，特征选择是选择对模型重要的特征。它的好处[2]在于:●减少训练数据大小，加快模型训练速度。●减少模型复杂度，避免过拟合。
Datawhale·2022-11-21 21:53

三种常见的特征选择方法

特征选择特征选择是特征工程里的一个重要问题，其目标是寻找最优特征子集。
bugmaker.·2022-11-21 21:52

【论文笔记】Automatic Graph Learning with Evolutionary Algorithms: An Experimental Study

它在超参数优化、模型选择、神经网络搜索和特征工程方面展示了其强大的功能。大多数自动机器学习框架都不是专门为处理图数据而设计的。也就是说，在大多数自动机器学习工具中，只集成了传统
丶快哉风·2022-11-21 19:19

机器学习——分类问题对于文字标签的处理（特征工程）

两种方式都是把文字特征转化为01组成的向量，方便计算机处理，但是会增加标签维度，每多一个标签分类，就会增加一个维度。1.sklearn.feature_extraction.DictVectorizer()2.pandas.get_dummies官网地址pandas.get_dummies—pandas1.4.2documentation
nuomi666·2022-11-21 18:44

机器学习——算法分类以及开发流程

目录机器学习算法的判别依据数据类型数据类型的不同应用机器学习开发流程1、原始数据2、数据的基本处理3、特征工程4、找到合适的算法进行预测5、模型评估——判定模型效果6、上线使用机器学习算法分类监督学习—
非零因子·2022-11-21 18:18

数据特征预处理

"""特征工程的数据处理：1.异常数据处理（采用数据清洗）；1）删除含有异常值的记录；2）将异常值视为缺失值，交给缺失值处理方法来解决；3）用平均值修正；4）不处理2.数据不平衡处理(数据增强)2.1离散数据异常
小白进阶---持续充电中·2022-11-21 16:10

机器学习与数据挖掘实验四：基于特征工程的支持向量机分类实验【详细原理+python代码】

机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN(VGG，GoogLeNet)的海面舰船图像分类【详细原理+python代码】机器学习与数据挖掘实验四：基于特征工程的支持向量机分类实验
oax_knud·2022-11-21 15:30

机器学习与数据挖掘实验三：基于 CNN (VGG，GoogLeNet)的海面舰船图像分类【详细原理+python代码】

机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN(VGG，GoogLeNet)的海面舰船图像分类【详细原理+python代码】机器学习与数据挖掘实验四：基于特征工程的支持向量机分类实验
oax_knud·2022-11-21 15:29

机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】

机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN(VGG，GoogLeNet)的海面舰船图像分类【详细原理+python代码】机器学习与数据挖掘实验四：基于特征工程的支持向量机分类实验
oax_knud·2022-11-21 15:59

《深度学习入门》（俗称：鱼书）读书笔记-第四章（神经网络的学习）

但神经网络uo可以直接将原始数据进行学习，避免了人力的特征工程。特征量：可以从输入数据中准确提取出重要数据的转换器。不同的
呆瓜种呆瓜·2022-11-21 14:49

机器学习面试知识点总结

文章目录计算学习理论过拟合与欠拟合过拟合欠拟合偏差与方差最大似然估计与贝叶斯估计极大似然估计贝叶斯决策论贝叶斯估计特征工程与特征选择特征工程逐层归一化特征选择模型融合融合策略评估方法与评价指标评估方法评价指标优化算法正则化深度模型中的优化采样聚类与降维聚类降维
siyan985·2022-11-21 11:25

机器学习模型融合方法综述

来自：NLP情报局我理解的Kaggle比赛中提高成绩主要有3个地方：1）特征工程，2）调参，3）模型融合。
zenRRan·2022-11-21 11:21

计算机视觉和机器学习 - 我所想知道的一切

特征工程。像素级别的几何特征：haar角点。统计特征：HOG，sift。图像分割。算法：mean-shift，最小割。图像分类。场景分类。算法：svm/决策树/xgboost图像检测。
mlshenhua·2022-11-21 11:43

神了,用 Python 预测世界杯决赛，发现准确率还挺高

文章目录技术提升数据集的准备模块和数据集的导入探索性数据分析和特征工程俄罗斯世
Python数据开发·2022-11-21 11:12

xgboost简单介绍_XGBOOST模型介绍

前面的文章谈了谈这次比赛非技术方面的收获，对数据集的初步了解和特征工程的处理，今天主要介绍这次使用的模型--XGBOO
一直成长·2022-11-21 08:42

决策树系列(四)——基于决策树算法实现员工离职率预测

文章目录基于决策树算法实现员工离职率预测一、引入工具包二、数据加载三、数据预处理3.1重复值处理3.2缺失值处理3.3异常值处理四、特征选择4.1删除明显无关特征4.2查看数值型特征相关性4.3类别型特征探索性分析五、特征工程类别型特征转换六
初一··2022-11-21 07:07

特征工程：tsfresh构造时间序列特征

本文基本上是对tsfresh官方文档的部分翻译。kaggle上使用可以参考tsfresh-features-and-regression-blendFeatureextractionsettings对于懒人：让我计算一些特征！要计算一组全面的特征，请调用tsfresh.extract_features()方法而不传递default_fc_parameters或kind_to_fc_paramete
wbzhang233·2022-11-21 07:05

时间序列-第三方库：tsfresh【特征提取、特征选择】

tsfresh用于从时间序列和其他序列数据中进行系统特征工程。这些数据的共同点是它们按自变量排序。最常见的自变量是时间（时间序列）。
u013250861·2022-11-21 07:35

时间序列 工具库学习（1） tsfresh特征提取、特征选择

tsfresh用于从时间序列和其他序列数据[1]中进行系统特征工程。这些数据的共同点是它们按自变量排序。最常见的自变量是时间（时间序列）。
Tony Einstein·2022-11-21 06:51

天池长期赛：二手车价格预测（422方案分享）

前言一、赛题介绍及评测标准二、数据探索（EDA）1.读取数据、缺失值可视化2.特征描述性统计3.测试集与验证集数据分布4.特征相关性三、数据清洗四、特征工程1.构建时间特征2.匿名特征交叉3.平均数编码五
wjzeroooooo·2022-11-21 05:27

天池学习赛——金融风控-贷款违约预测(02)

对数据进行探索性数据分析，理解变量的数据分布特点，有助于我们更好的了解数据，便于对数据进行预处理以及特征工程，构建更精确的模型。接下来对贷款违约预测数据进行EDA，探索其数据花园的秘密（滑稽）。
ARTHES.TANG·2022-11-21 05:56

天池-金融风控训练营-task1-赛题理解

训练营金融风控，15天30小时，6个任务，分为赛题解析、EDA、特征工程、建模与调参和模型融合五大主块，最后一部分是参与实际竞赛，快来为简历加分吧。https://tianchi.aliyun.
nikita_zj·2022-11-21 05:14

从零学习机器学习七：聚类算法

3.1k-means聚类步骤3.2案例练习3.3小结4模型评估4.1误差平方和（SSE）4.2”肘“方法-K值确定4.3轮廓系数法（SC）4.4CH系数4.5总结5算法优化5.1优缺点5.2Canopy算法5.9总结6特征工程
火航·2022-11-21 05:41

机器学习之分类问题实战(基于UCI Bank Marketing Dataset)

本文基于UCI机器学习数据库中的银行营销数据集，从对数据集进行探索，数据预处理和特征工程，到学习模型的评估与选择，较为完整的展示了解决分类问题的大致流程。
weixin_30568715·2022-11-21 03:26

机器学习实战：Bank Marketing银行对客户订阅理财产品的预测

文章目录概要一、分析训练集整体情况二、特征工程1.创造特征2.筛选特征三、数据处理四、模型预测概要该数据与一家葡萄牙银行机构的直接营销活动（电话）有关。分类目标是预测客户是否会订阅定期存款（变量y）。
敞清·2022-11-21 03:20

机器学习——从基本概念到入手

从基本概念到入手基本概述什么是机器学习什么是数据集机器学习的算法怎么分类监督学习无监督学习数据集Sklearn数据集的基本操作小数据集的获取大数据集的获取获取数据的返回类型数据集的划分sklern划分数据集API特征工程特征提取字典特征提取文本特征提取中文特征提取
甩一手好枪·2022-11-21 03:32

数据挖掘机器学习[七]---2021研究生数学建模B题空气质量预报二次建模求解过程：基于Stacking机器学习混合模型的空气质量预测｛含码源+pdf文章｝

相关文章：特征工程详解及实战项目【参考】数据挖掘---汽车车交易价格预测[一](测评指标；EDA)数据挖掘机器学习---汽车交易价格预测详细版本[二]｛EDA-数据探索性分析｝数据挖掘机器学习---汽车交易价格预测详细版本
汀、·2022-11-21 01:03

数据挖掘机器学习[五]---汽车交易价格预测详细版本｛模型融合(Stacking、Blending、Bagging和Boosting)｝

题目出自阿里天池赛题链接：零基础入门数据挖掘-二手车交易价格预测-天池大赛-阿里云天池相关文章：特征工程详解及实战项目【参考】数据挖掘---汽车车交易价格预测[一](测评指标；EDA)数据挖掘机器学习-
汀、·2022-11-21 01:33
上一页 26 27 28 29 30 31 32 33 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他