随笔分类 -  深度学习&机器学习&机器学习 / 机器学习 / 二.特征工程

六.机器学习特征工程总结
摘要： 阅读全文
posted @ 2023-06-10 12:06 lipu123 阅读(12) 评论(0) 推荐(0) 编辑
2.5 特征工程之特征降维与主成分分析（PCA）
摘要：# 1.什么是特征降维 >降低的对象为二维数组 此处的降维为**降低特征**的个数 **降维是指在某些限定条件下，降低随机变量（特征）个数，得到一组“不相关”主变量的过程** ![image](https://img2023.cnblogs.com/blog/1914163/202306/19141 阅读全文
posted @ 2023-06-10 11:53 lipu123 阅读(225) 评论(0) 推荐(0) 编辑
四.特征工程之特征预处理（无量纲化：归一化、标准化）
摘要：# 1 数据预处理 > **数据预处理是通过一些转换函数将特征数据转换成更加适合算法模型的特征数据过程** 例如： ![image](https://img2023.cnblogs.com/blog/1914163/202306/1914163-20230612105841612-156821624 阅读全文
posted @ 2023-06-08 22:43 lipu123 阅读(598) 评论(0) 推荐(0) 编辑
2.3 特征工程之特征提取
摘要：# 1.为什么要特征工程 >**业界广泛流传∶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。** # 2.什么是特征工程 > 意义：会直接影响机器学习的效果 sklearn 特征工程 pandas 数据清洗、数据处理 应用 DictVectorizer 实现对类别特征进行数值化、 阅读全文
posted @ 2023-06-08 09:17 lipu123 阅读(75) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示