机器学习中常见的特征处理的问题汇总

本文探讨了数据特征筛选的方法,包括咨询行业专家、分析数据集中的均值与方差等,旨在提供一种通用的数据特征处理策略。

       一切从数据中来,一切依据于数据来进行考虑。脱离数据的特征,是没有灵魂的特征,但我们现在思考的是抽象场景中的特征的通用处理办法嘎。

       【特征筛选】

  1. 肯定从现实生活角度来说,就是请教行家,行家一出手就知有没有。
  2. 从数据本身的角度而言,可以分析几类数据的均值情况考虑是否具有区分性,可以分析方差的变化,如果均值没有区分性的时候,考虑方差,如果方差很小的话,说明很平均,很相似,也没有什么意义。可以分析训练集中特征与输出值之间的相关系数。明天更。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值