特征工程

标签：

L1正则化和L2正则化的区别：L1起截断作用，L2起缩放作用（不让参数θ过大）

数据和特征处理

数据清洗

正负样本不平衡的处理方法：上采样，下采样，修改损失函数

数值型特征：幅度调整，归一化，离散化

类别型特征：one-hot 编码

组合特征

文本特征中的TF-IDF:TF(t)=(t在当前文中出现的次数)/(t在全部文档中出现的次数) IDF(t)=ln(总文档数/含t的文档数）IF-IDF=TF*IDF

特征选择

原因：冗余，噪声

特征选择VS降维  ：前者是踢掉特征里面和预测结果关系不大的特征，后者是做特征的计算组合构成新的特征

特征选择的3种方法：

过滤型

 包裹型

嵌入型：加入L1正则化，有2-3千万是有权值的，其没有权值

特征工程

标签：

原文地址：http://www.cnblogs.com/wuxiangli/p/5628053.html