1、特征工程原则：特征之间、特征和label之间不要有相关性，保持相对独立，有算法就专门为了识别强相关性特征只保留一个。 多重共线性：在很多实际的数据当中，往往存在多个互相关联的特征，这时候模型就会变得不稳定，数据中细微的变化就可能导致模型的巨大变化（模型的变化本质上是系数，或者叫参数，可以理解成W ...
分类：
其他好文 时间：
2020-05-22 19:21:39
阅读次数：
54
机器学习入门与进阶 "一.机器学习基础与特征工程" "二.机器学习算法篇 线性回归(1)" "二.机器学习算法篇 线性回归(2)" 更新中... ...
分类：
其他好文 时间：
2020-05-21 23:56:26
阅读次数：
83
这篇文章主要从以下三个问题出发来理解特征工程： 特征工程是什么？ 为什么要做特征工程？ 应该如何做特征工程？ 对于第一个问题，我会通过特征工程的目的来解释什么是特征工程。对于第二个问题，主要从特征工程的重要性来阐述。对于第三个问题，我会从特征工程的子问题以及简单的处理方法来进一步说明。下面来看看详细 ...
分类：
其他好文 时间：
2020-05-21 21:06:50
阅读次数：
54
从原始数据创建新特征是改进模型的最佳方法之一 例如，数据有很长连续时间的，我们可以把最近一周的提取出来作为一个新的特征 1. 组合特征 最简单方法之一是组合特征 例如，如果一条记录的国家/地区为"CA"，类别为"Music"，则可以创建一个新值" CA_Music" 可以从所有分类特征中构建组合特征 ...
分类：
其他好文 时间：
2020-05-21 16:11:40
阅读次数：
58
卡尔曼滤波器 英文kalman filter 这里介绍简单的，只有一个状态的滤波器 卡尔曼滤波器经常用在控制系统中、机器人系统中，但是这里主要讲解如何用在AI的大数据分析预测中 为什么要用kalman filter处理时间序列 假设我们有100个时间点的数据，这个数据就是分别在100个点观测出来的结 ...
分类：
编程语言 时间：
2020-05-20 20:03:20
阅读次数：
72
1.数据竞赛流程 数据分析主要目的是分析数据原有的分布和内容； 特征工程目的是从数据中抽取出有效的特征； 模型训练与验证部分包括数据划分的方法以及数据训练的方法； 模型融合参考我的另一篇介绍模型融合的博客。 1.1.数据分析 在拿到数据之后，首先要做的就是要数据分析(Exploratory Data ...
分类：
其他好文 时间：
2020-05-13 23:14:41
阅读次数：
91
风控特征—关系网络特征工程入门实践 风控业务背景 常规RFM时间切片统计特征侧重于纵向维度量化用户风险，而关系网络特征则从横向维度来评估。纵向是指同一用户在不同时间段上的行为异常风险；横向是指在同一个时间段里聚集的不同用户放在一起评估风险。因此，关系网络特征可作为常规RFM特征的一个有力补充，为风控 ...
分类：
其他好文 时间：
2020-05-01 20:29:25
阅读次数：
86
1. 数据预处理；2. 特征工程；3. 模型选择/融合；4. 模型训练/测试；5. 其他问题；6. 模型评估。 ...
分类：
其他好文 时间：
2020-04-18 23:05:16
阅读次数：
129
数据探索综合指南 苏尼尔·雷（ SUNIL RAY） 2016年1月10日 总览 有关数据探索（EDA）的完整教程 我们涵盖了数据探索的几个方面，包括缺失值估算，异常值去除和特征工程的技巧 介绍 没有数据浏览的捷径。如果您处于一种状态，那么机器学习可以使您摆脱每次数据风暴，相信我，事实并非如此。经过 ...
分类：
其他好文 时间：
2020-04-04 09:36:20
阅读次数：
74
机器学习 编程环境 Anaconda3 导入库 定义 机器学习是人工智能的分支，设计一个系统，使其通过训练数据进行学习，并且不断优化性能，能够预测相关结果。 内涵 应用 1. 数据清洗、特征选择 2. 算法模型、特征选择 3. 结果预测 不能解决 1. 大数据储存/并行计算 2. 机器人 机器学习的 ...
分类：
其他好文 时间：
2020-04-02 18:24:07
阅读次数：
70
