粗糙集特征选择第25页

【机器学习算法笔记】6. 降维与主分量分析（PCA）

【机器学习算法笔记】6.降维与主分量分析（PCA）6.1PCA算法特征选择问题是指将数据空间变换到特征空间，我们希望设计一种变换使得数据集由维数较少的有效特征来表示。

tostq·2022-11-10 23:47

kmeans及模型评估指标_聚类分析的过程和两个常用的聚类算法

特征变换/特征选择：聚类对异常数据特别敏感，同时原始数据直接进入聚类分析不大现实。特征处理包含行维度、列维度的处理，行维度主要包括：空值、非法值、异常

章子誉·2022-11-10 12:58

机器学习的基础

机器学习步骤框架4.机器学习中分类和预测算法的评估二、sklearn机器学习库的介绍3.1.定义3.2.sklearn数据类型3.3.sklearn总览3.3.1.数据预处理3.3.2.数据集3.3.3.特征选择

繁星①·2022-11-09 13:31

2022李宏毅机器学习hw1--COVID-19 Cases Prediction

目录一.开题说明：二.梗概：三.问题背景：四.模型建立：1.数据下载2.导入必要的包3.定义函数4.定义类（Dataset以及DNN）5.特征选择6.定义超参数7.定义DataLoader8.训练与预测五

Vector Jason·2022-11-09 12:12

Python机器学习笔记使用sklearn做特征工程和数据挖掘

特征处理是特征工程的核心部分，特征工程是数据分析中最耗时间和精力的一部分工作，它不像算法和模型那样式确定的步骤，更多的是工程上的经验和权衡，因此没有统一的方法，但是sklearn提供了较为完整的特征处理方法，包括数据预处理，特征选择

glimmer_it·2022-11-08 17:45

机器学习（9）——特征工程（3）（补充）

特征工程介绍2.1什么是特征工程2.2特征提取2.2.1字典特征提取2.2.2文本特征提取2.2.3jieba分词处理2.2.4Tf-idf文本特征提取3特征预处理3.1归一化3.2标准化4特征降维4.1特征选择

WHJ226·2022-11-08 17:12

机器学习笔记（二）——特征工程

鸢尾花案例数据集的划分程序数据集下载二、特征抽取介绍字典的特征提取文本特征提取（英文）中文文本特征提取jieba分词处理Tf-idf文本特征提取三、特征预处理介绍包含内容归一化标准一化四、特征降维介绍包含内容特征选择过滤式低方差过滤相关系数主成分分析前言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

哆啦A梦(·2022-11-08 17:42

机器学习-决策树概述及对鸢尾花数据分类python实现利用graphviz模块画出决策树

文章目录1.决策树概述2.理论分析2.1特征选择2.11熵&条件熵2.1.2信息增益2.1.3信息增益比2.2决策树的生成2.2.1ID3算法2.2.2C4.5算法2.2.3决策树的修剪3.python

菜菜小硕·2022-11-08 09:11

[转]离散数据编码方式总结()

写在前面在机器学习的特征选择的时候，往往有一些离散的特征不好计算，此时需要对这些特征进行编码，但是编码方式有很多，不同的包也会有不同的编码方式。

我叫辰辰啦·2022-11-08 08:34

数据挖掘（三）决策树

决策树学习通常包括3个步骤:特征选择、决策树的生成和决策树的修剪。2.决策

我叫辰辰啦·2022-11-08 08:03

解决分类中样本分布不平衡问题

、什么是样本分布不平衡二、哪些运营场景中容易出现样本不均衡三、怎么处理样本不均衡1.通过过采样或欠采样解决样本不均衡2.通过正负样本的惩罚权重解决样本不均衡3.通过组合/集成方法解决样本不均衡4.通过特征选择解决样本不均衡参考资料

大哇唧·2022-11-08 01:14

特征工程之特征选择

文章目录前言准备工作：数据的准备一、Filter过滤法1.1方差过滤1.1.1VarianceThreshold1.1.2方差过滤对模型的影响1.1.3为什么随机森林运行如此之快？为什么方差过滤对随机森林没很大的有影响?1.1.4选取超参数threshold1.2相关性过滤1.2.1卡方过滤1.2.2选取超参数K方法一：跑学习曲线方法二：看p值选择k（推荐，因为学习曲线运行时间长）和菜菜老师得出的

功夫大笨鲨·2022-11-07 15:30

【菜菜的sklearn课堂笔记】数据预处理和特征工程-特征选择-Wrapper包装法

视频作者：菜菜TsaiTsai链接：【技术干货】菜菜的机器学习sklearn【全85集】Python进阶_哔哩哔哩_bilibili包装法也是一个特征选择和算法训练同时进行的方法，与嵌入法十分相似，它也是依赖于算法自身的选择

烧灯续昼2002·2022-11-07 15:27

Python基于低方差特征选择(VarianceThreshold)、遗传算法(TPOTRegressor)实现信用评分卡模型

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景如今，越来越多的80，90后贷款买房买车，一时之间，银行提供的贷款业务成了时代的“新宠”。银行贷款是指个人或企业向银行根据该银行所在国家政策以一定的利率将资金贷放给资金需求的个人或企业，并约定期限归还的一种经济行为。为了降低不良贷款率，保障自身资金安全，提高风险控制水

胖哥真不错·2022-11-07 15:39

【项目实战】Python基于Lasso特征选择、GM算法和SVR回归算法进行财政收入影响因素分析及预测

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。1.项目背景随着信息化的发展和科学技术的进步，数据分析与挖掘技术开始得到广泛应用。人们无时无刻不面对着海量的数据，这些海量数据中隐藏着人们所需要的具有决策意义的信息。数据分析与挖掘技术的产生和发展就是帮助人们利用这些数据，并从中发现隐藏的有用的信息。在此背景下，本项目主要运用数据

胖哥真不错·2022-11-07 15:08

朴素贝叶斯和情感分类

目录朴素贝叶斯和情感分类1朴素贝叶斯分类器2训练朴素贝叶斯分类器3例子4情感分析优化5朴素贝叶斯作为一种语言模型6评估指标：精确度，召回率，F-measure7测试集和交叉验证8特征选择9小结朴素贝叶斯和情感分类我们将介绍朴素贝叶斯算法

知更鸟女孩·2022-11-07 12:44

吴恩达教授机器学习课程笔记【七】- Part 7 最优模型选择

本节为吴恩达教授机器学习课程笔记第七部分，最优模型选择，主要包括：模型选择方法、特征选择方法以及贝叶斯统计的部分知识。

不会算命的赵半仙·2022-11-07 11:10

酒店评论情感分类

文章目录代码实践读取数据数据预处理数据划分文档转化向量读取停用词分词文本向量表示训练集和测试集划分特征选择构建不同的分类器模型比较结果分析知识点补充特征工程总结SVC和LinearSVC的比较完整数据和代码参考资料代码实践读取数据读入酒店评论数据

咖啡红蘑菇·2022-11-06 11:34

机器学习实用代码汇总（你想要的这里都有）

二、数据预处理1.数据的查看、去重、异常值删除2.数据的无量纲化3.缺失值处理4.处理分类型特征：编码与哑变量5.处理连续型特征：二值化与分段6.数据集制造7.样本不均衡处理8.训练集、测试集划分三、特征选择

WX_ygg17634504536·2022-11-06 01:17

决策树算法原理(CART分类树)

1.CART分类树算法的最优特征选择方法ID3中使用了信息增益选择特

weixin_34029680·2022-11-04 16:27

sklearn.tree.DecisionTreeClassifier构建决策树

参考：https://blog.csdn.net/li980828298/article/details/51172744完整的sklearn.tree的介绍参数说明如下：criterion：特征选择标准

weixin_43869906·2022-11-04 16:52

李航老师《统计学习方法》第八章课后习题答案

8.1、题目太长，懒得打字了因为训练数据实例的维度比书中的例子8.1的实例的维度大，也就是特征的数目比较多，因而需要进行特征选择。

六七～·2022-11-04 13:33

决策树与随机森林在分类预测中的应用（附源码）

决策树和随机森林是白盒模型，数学建模中常用到这两种模型，用于预测或分类，随机森林还可以进行特征选择，故很推荐大家学习！！！决策树原理决策树通过把样本实例从根节点排列到某个叶子节点来对其进行分类。

数学建模加油站·2022-11-04 11:05

【机器学习】算法之决策树

决策树通常有三个步骤：特征选择、决策树的生成、

Amelie_xiao·2022-11-02 23:10

机器学习之决策树CART算法

接上期：文章目录一、理论知识1.0、特征选择：基尼指数1.1、决策树的生成1.2、CART剪枝二、python实战一、理论知识CART算法是给定输入随机变量X条件下输出随机变量Y的条件概率分布的学习方法

小磊要努力哟·2022-11-02 23:40

机器学习笔记——决策树之回归树

（参考资料：菜菜的sklearn）重要参数，属性及接口criterion1)输入"mse"使用均方误差meansquarederror(MSE)，父节点和叶子节点之间的均方误差的差额将被用来作为特征选择的标准

Nuyoahgyc·2022-11-02 22:01

数据挖掘 —— 数据预处理

数据挖掘——数据预处理1.数据清洗2.特征预处理2.1特征选择2.2特征变换3特征降维1.数据清洗数据清洗包括数据样本抽样和异常值（空值）处理直接丢弃（包括重复数据）把是否有异常当做一个新的属性，替代原值集中指代边界值指代插值

CyrusMay·2022-11-02 15:29

机器学习笔记03 ---决策树(DT)：理论+代码实现

目录1、概述2、决策树模型3、决策树学习4、决策树的构建——三步骤4.1特征选择4.1.1熵（Entropy）4.1.2条件熵（ConditionalEntropy）H(Y|X)4.1.3信息增益（InformationGain

S1406793·2022-11-01 14:14

机器学习实战：支持向量机回归预测财政收入

机器学习实战：支持向量机回归预测财政收入数据集说明数据集特征说明特征分析特征可视化导入数据可视化特征相关性检测绘制相关矩阵打印Pearson相关系数多变量研究Lasso特征选择模型进行特征提取alpha

cpLoners·2022-10-31 21:54

启发式优化算法

这些算法可以用来解决:流程化车间调度(flowupscheduling)图像加密(imageencryption)特征选择(feat

CBLXXX·2022-10-30 17:57

机器学习-降维算法(MDS算法)

为了，减少计算量，常常需要缓解这种数据维度灾难，这有两种途径：降维和特征选择。我们在这里介绍其中一种降维算法：MDS算法。MDS算法要求原始空间中样本之间的距离在低维空间中得以保持。

boooiaji·2022-10-30 02:59

高维数据分析中特征选择方法及分类

在面向高位数据分析问题时，特征选择的重要性尤为重要。

小电子·2022-10-29 07:39

数据挖掘学习（一）：特征工程

文章目录概述一、特征选择1、选择合适的特征1.1过滤法选择特征1.2包装法选择特征1.3嵌入法选择特征2、寻找高级特征二、特征表达2.1缺失值处理2.2特殊的特征处理2.3离散特征的连续化处理2.4离散特征的离散化处理

陈小虾·2022-10-29 07:57

Python3《机器学习实战》学习笔记（二）：决策树

文章目录一、决策树二、构建工作2.1特征选择2.1.1香农熵2.1.2信息增益2.2剪枝操作2.2.1预剪枝2.2.2后剪枝三、代码讲解3.1构建数据集3.2建立完整决策树3.3计算信息熵3.4计算信息增益

Charliefive·2022-10-28 14:54

图像去噪的自动编码器

去噪可以专注于清理旧的扫描图像或有助于癌症生物学中的特征选择工作。噪音的存在可能混淆疾病的识别和分析，可能导致不必要的死亡。因此，医学图像去噪是一项必不可少的前处理技术。

小北的北·2022-10-28 10:03

python与机器学习

机器学习数据挖掘、CV、NLP、语音识别、统计学习、模式识别套路：1.数据收集处理；2.特征选择与模型构建；3.评估与预测站点：kagglegithubpython库科学计算库numpypandas线性回归例子

AI小丸子·2022-10-26 09:59

科普——随机森林和决策树

特征学习的3个步骤特征选择：选择与结果相关度更高的特征决策树生成：对每个子节点采用相同的方式生成新的子节点决策树剪枝：防止过拟合（三）决策树的优缺点优点：易于理解适合处理有缺失属性的样本能够处理不相关的特征处理速度

唔嗯雯的学习笔记·2022-10-25 19:56

【周志华机器学习】总目录

神经网络神经网络理解：前向传播与反向传播神经网络之CNN神经网络之RNN门控循环单元六、支持向量机七、贝叶斯分类器八、集成学习XGBoostLightGBM九、聚类十、降维与度量学习kNN补充——近邻的距离度量十一、特征选择与稀疏学习十二

CHH3213·2022-10-24 18:50

机器学习学习笔记-西瓜书

#西瓜书笔记文章目录模型评估和选择线性模型决策树神经网络支持向量机贝叶斯分类集成学习聚类性能度量与距离计算原型聚类密度聚类层次聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习半监督学习的方法概率图模型规则学习强化学习误差函数卷积池化后的图像大小计算集成学习评估特征的重要性

龙海L·2022-10-24 18:17

【数学建模】华为杯学习——特征选择（Python代码实现）

目录1问题回顾2数据集介绍及建模目标3问题刨析4Python代码实现——方法15Python代码实现——方案21问题回顾问题有点长，可以直接看题目解析。乳腺癌是目前世界上最常见，致死率较高的癌症之一。乳腺癌的发展与雌激素受体密切相关，有研究发现，雌激素受体α亚型（Estrogenreceptorsalpha,ERα）在不超过10%的正常乳腺上皮细胞中表达，但大约在50%-80%的乳腺肿瘤细胞中表达

我爱Matlab编程·2022-10-24 17:15

（四十六：2021.08.17）《医疗物联网单导联心电波心房颤动检测研究》

便携式设备2.4数据库2.5性能评估算法3.数据预处理3.1噪声移除3.2数据集失衡3.3标准化和其他问题4.特征集合4.1特征提取4.1.1洛伦兹散点图4.1.2庞加莱散点图4.1.3其他HRV特征4.2特征选择

花卷汤圆·2022-10-24 12:27

python医学数据挖掘_《临床医学大数据分析与挖掘——基于Python的机器学习与临床决策》即将上架，敬请期待！...

同时能在一定程度上解决高维稀疏、类别不平衡、特征选择、特征提取、数据融合等数据科学中的关键问题。能够进行医疗图像、文本等数据的读取、预处理、可视化等操作。能够解读算法的运行结果，掌握

weixin_39633500·2022-10-24 07:16

数据分析--数据预处理

数据预处理数据分类定量数据定性数据数据质量数据清洗特征工程特征选择特征构建特征提取数据分类定量数据离散变量连续变量定性数据定序变量名义变量集中趋势主要测度是均值，中位数，和众数离散程度考虑变量的离散程度

小鱼干儿♛·2022-10-20 22:21

数据挖掘-数据的预处理（三）

目录一、找到数据二、数据探索三、数据清洗1、缺失值的处理2、异常值的处理3、数据偏差的处理4、数据标准化5、特征选择6、构建训练集与测试集准备数据:如何处理出完整、干净的数据?

Lingxw_w·2022-10-20 22:27

python特征工程有序变量处理_数据分析|Python特征工程（5）

特征工程又包含了DataPreProcessing（数据预处理）、FeatureExtraction（特征提取）、FeatureSelection（特征选择）和Featurec

weixin_39566387·2022-10-18 14:04

机器学习笔记（8）——数据预处理&特征工程

1.2.缺失值1.3.处理分类型特征1.4.处理连续型特征：二值化与分段2.特征选择（特征工程）2.1.过滤法fliter2.1.1方差过滤

朝荣·2022-10-18 14:04

机器学习和特征工程理论与python代码实现晓物智联

.52phm.cn/blog/detail/23最初来源于本人的kesci专栏课题：特征工程理论及代码实现日期：2019.9.21作者：小知同学描述：本篇比较详细的介绍了特征工程的理论以及代码实现，涵盖数据预处理、特征选择

52phm社区·2022-10-18 14:02

机器学习第三周-归一化和预处理

笨鸟的GPS·2022-10-18 14:31

机器学习（二十一）— 特征工程、特征选择、归一化方法

特征工程：特征选择，特征表达和特征预处理。1、特征选择特征选择也被称为变量选择和属性选择，它能够自动地选择数据中目标问题最为相关的属性。是在模型构建时中选择相关特征子集的过程。特征选择与降维不同。

dbsggal90047018·2022-10-18 14:01

浅谈14 -------特征工程