2.1 缺失值观察与处理 （1）请查看每个特征缺失值个数 df[df.Age.isna()] （2）缺失值处理方法 填充方法： 思考： ...
分类：
其他好文 时间：
2021-06-18 19:22:41
阅读次数：
0
通过特定的统计方法(数学方法)将数据转换成算法要求的数据 数值行数据：标准缩放： 1.归一化 2.标准化 类别型数据：one-hot编码 时间类型：时间的切分 sklearn特征处理API： sklearn.preprocessing 归一化： 特点：通过对原始数据进行变化把数据映射到(默认为【0， ...
分类：
其他好文 时间：
2021-01-14 11:08:01
阅读次数：
0
一、VectorAssembler package com.home.spark.ml import org.apache.spark.SparkConf import org.apache.spark.ml.feature.VectorAssembler import org.apache.spa ...
分类：
其他好文 时间：
2020-10-18 09:57:35
阅读次数：
15
import pandas as pd data = pd.read_csv("train.csv") #确定每一列，或者叫每一个series下，是否有空数据 columns_name = data.columns.tolist() columns_name_true_false={} print( ...
分类：
其他好文 时间：
2020-08-17 17:53:50
阅读次数：
108
1.数据处理时缺失指怎么处理 2.L1和L2的区别 3.高维数据如何降维 4.特征处理，连续型和非连续性，给了个例子，年龄和user_id两个特征如何处理 5.LR了解吗，如何解决过拟合问题 6.如何评估模型结果，我把分类和回归分别解释，介绍各种评估方式的不足，还问了ROC曲线横纵坐标 7.Rand ...
分类：
其他好文 时间：
2020-07-28 22:38:27
阅读次数：
115
Restful规范 什么是Restful规范？ Restful规范就是一个定义web api接口的规范，它及其适用于前后端分离的情况 Resetful规范十条 数据的安全保障：推荐采用https协议，提高数据交互时的安全性 接口的特征表现：便于人一眼就看出这是一个接口，推荐使用api关键字表示接口u ...
分类：
其他好文 时间：
2020-07-13 00:00:23
阅读次数：
100
## **文档说明**本文档主要记录模型融合的有关问题：为了使项目在模型预测有更好的表现，综合机器学习方面的模型融合技术，以提升算法在解决问题的能力。 ## **使用背景** 业务情节：接单阶段； 时间段：2020 数据量：160W 特征数（本篇不对特征处理做说明）：20 ## **数据处理**综合 ...
分类：
其他好文 时间：
2020-07-03 19:51:48
阅读次数：
68
降维（Dimensionality Reduction） 是机器学习中的一种重要的特征处理手段，它可以减少计算过程中考虑到的随机变量（即特征）的个数，其被广泛应用于各种机器学习问题中，用于消除噪声、对抗数据稀疏问题。它在尽可能维持原始数据的内在结构的前提下，得到一组描述原数据的，低维度的隐式特征（或 ...
分类：
编程语言 时间：
2020-06-07 00:46:37
阅读次数：
116
处理连续性特征 二值化与分段 sklearn.preprocessing.Binarizer根据阈值将数据二值化（将特征值设置为0或1），用于处理连续型变量。大于阈值的值映射为1，而小于或等于阈值的值映射为0。默认阈值为0时，特征中所有的正值都映射到1。二值化是对文本计数数据的常见操作，分析人员可以 ...
分类：
其他好文 时间：
2020-05-28 16:24:21
阅读次数：
80
文章目录 4. Pipelines 管道5. Cross-Validation 交叉验证上一篇：【Kaggle】Intermediate Machine Learning（缺失值+文字特征处理） 4. Pipelines 管道 该模块可以把数据前处理+建模整合起来 好处： 更清晰的代码：在预处理的每 ...
分类：
系统相关 时间：
2020-05-13 23:37:13
阅读次数：
108
