dataningwei的博客

准备bagging算法内容。

机器学习、模式识别的目的就是从样本数据上自动建立数学模型，将模型用于新的数据以自动解决实际问题。因此，这里有两个东西是我们比较关心的，一个是模型，另外一个样本数据。现在很多文章都在讨论各种算法，大都可以归为模型的建立过程，今天，本博文讲另外一个重要组成部分，样本数据获取方法（以sklearn为工具）。通过Sklearn获取的样本数据格式有三种形式：1）图像样本格式2）样本数据自主生成格

上一篇《sklearn之样本生成（1）》主要讲make_blobs的使用方法。本文重点讲make_classification，make_gaussian_quantiles和make_hastie_10_2

转自：http://www.cnblogs.com/jasonfreak/p/5448385.html 感谢作者分享。1 特征工程是什么　　有这么一句话在业界广泛流传：数据和特征决定了机器学习的上线，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度的从原始数据集中提取特征以供算法和模型使用。通过总结和归纳，人们认为特征工程包括一下方面：