haozhepeng的专栏

参考 ：https://www.jianshu.com/p/6a9db201cb13 当特征选择完成后，可以直接训练模型了，但是可能由于特征矩阵过大，导致计算量大，训练时间长的问题，因此降低特征矩阵维度也是必不可少的。但不要盲目降维，当你在原数据上跑到了一个比较好的结果，又嫌它太慢的时候才进行降维，不然降了半天白降了。 常见的降维方法有主成分分析法（PCA）和线性判别分析（LDA），线性判别分析...

转自：https://www.cnblogs.com/nxf-rabbit75/archive/2019/04/11/10688593.html 一、是什么？ 1.归一化 　　是为了将数据映射到0~1之间，去掉量纲的过程，让计算更加合理，不会因为量纲问题导致1米与100mm产生不同。 　　归一化是线性模型做数据预处理的关键步骤，比如LR，非线性的就不用归一化了。 　 归一化就...

转：https://zhaokv.com/machine_learning/2016/01/learning-from-imbalanced-data.html 这几年来，机器学习和数据挖掘非常火热，它们逐渐为世界带来实际价值。与此同时，越来越多的机器学习算法从学术界走向工业界，而在这个过程中会有很多困难。数据不平衡问题虽然不是最难的，但绝对是最重要的问题之一。 一、数据不平衡 在学术研究与...

转https://www.cnblogs.com/jasonfreak/p/5448385.html 目录 1 特征工程是什么？ 2 数据预处理 　　2.1 无量纲化 　　　　2.1.1 标准化 　　　　2.1.2 区间缩放法 　　　　2.1.3 标准化与归一化的区别 　　2.2 对定量特征二值化 　　2.3 对定性特征哑编码 　　2.4 缺失值计算 　　2.5 数据变换 　　2.6 回顾 3...

处理缺失值主要有以下几种方法： 1.当某个变量或者某个样本中缺失值占比过大时，那么我们可以认为这一变量或者样本没有意义，可以直接删除。 2.用平均值、中值、分位数、众数、随机值等替代。效果一般，因为等于人为增加了噪声。 3.用其他变量做预测模型来算出缺失变量。效果比方法2略好。有一个根本缺陷，如果其他变量和缺失变量无关，则预测的结果无意义。如果预测结果相当准确，则又说明这个变量是没必要加入建...