m0_37235489的博客

 结合Scikit-learn介绍几种常用的特征选择方法 原文  http://dataunion.org/14072.html   https://blog.youkuaiyun.com/kebu12345678/article/details/78437118主题 特征选择 scikit-learn特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性...

机器学习之特征工程转自：http://www.csuldw.com/2015/10/24/2015-10-24%20feature%20engineering/ 在这个振奋人心的程序员节日里，我决定认真地写一篇文章来纪念一下自己这长达六年程序员史。o(╯□╰)o本文是一篇关于特征工程的总结类文章，如有不足之处或理解有偏差的地方，还望多多指教。首先，给一张特征工程的思维导图吧...

【译文】特征选择方法导论（如何选取合适的变量）作者 SAURAV KAUSHIK译者 钱亦欣引言我时常以参加竞赛的方式来磨练自己的机器学习技能，它能让你更清楚地了解自己的水平。一开始，我以为算法就是机器学习的一切，知道采用哪种模型就能走上人生巅峰。但后来我发觉自己拿衣服了，竞赛的赢家们使用的算法和其他人并无二致。而后，我认为这些人一定有很牛逼的机器，但当我发现有的top选手建模用的...

作者：城东链接：https://www.zhihu.com/question/28641663/answer/110165221来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。我来写一个入门级的实践吧，为了保持连贯性，引用了全文：作者：城东链接：特征工程到底是什么？ - 城东的回答来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明...

转自：https://blog.youkuaiyun.com/pylady/article/details/78882220一般在建立分类模型时，需要对连续变量离散化，特征离散化后，模型会更稳定，降低了模型过拟合的风险。比如在建立申请评分卡模型时用logsitic作为基模型就需要对连续变量进行离散化，离散化通常采用分箱法。分箱的重要性及其优势离散特征的增加和减少都很容易，易于模型的快速迭代； 稀...

解决的问题：1、实现了二分类的卡方分箱；2、实现了最大分组限定停止条件，和最小阈值限定停止条件；问题，还不太清楚，后续补充。1、自由度k,如何来确定，卡方阈值的自由度为 分箱数-1，显著性水平可以取10%，5%或1%算法扩展：1、卡方分箱除了用阈值来做约束条件，还可以进一步的加入分箱数约束，以及最小箱占比，坏人率约束等。2、需要实现更多分类的卡方分箱算法； 具体代码如下：...