机器学习实战--住房月租金预测（2）

最新推荐文章于 2024-04-17 18:21:09 发布

玩数据的小王

最新推荐文章于 2024-04-17 18:21:09 发布

阅读量1.5k

点赞数 1

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/sinat_34576567/article/details/85052416

本文是机器学习实战系列的第二部分，主要探讨住房月租金预测中的特征工程，包括缺失值和异常值处理。通过数据填充、删除记录、异常值识别与处理等方法，改善模型训练数据的质量，以提升模型性能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前文回顾：机器学习实战--住房月租金预测（1），今天继续分享这次比赛的收获。本文会讲解对特征工程的处理。话不多说，我们开始吧！

特征工程

“数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限。特征工程能使得模型的性能得到提升，有时甚至在简单的模型上也能取得不错的效果。特征工程在机器学习中占有非常重要的作用，上面的思维导图包含了针对特征工程处理的所有方法。