醉糊涂仙的博客

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限，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，目的是最大限度地从原始数据中提取特征以供算法和模型使用。...

1. one-hot 1.1 one-hot编码 　　什么是one-hot编码？one-hot编码，又称独热编码、一位有效编码。其方法是使用N位状态寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。举个例子，假设我们有四个样本（行），每个样本有三个特征（列），如图： 上图中我们已经对每个特征进行了普通的数字编码：我们的feature...

转载:http://f.dataguru.cn/thread-908867-1-1.html 在机器学习问题中，我们通过训练数据集学习得到的其实就是一组模型的参数，然后通过学习得到的参数确定模型的表示，最后用这个模型再去进行我们后续的预测分类等工作。在模型训练过程中，我们会对训练数据集进行抽象、抽取大量特征，这些特征中有离散型特征也有连续型特征。若此时你使用的模型是简单模型（如...

1,无量纲化使不同规格的数据转换到同一规格。 2,常见的无量纲化方法有标准化和区间缩放法。2.1**标准化**的前提是特征值服从正态分布，标准化后，其转换成标准正态分布。 　　标准化需要计算特征的均值和标准差，即正态分布标准化,公式表达为： 　　 　　使用preproccessing库的StandardScaler类对数据进行标准化的代码如下：from sklearn.datase...

在互联网用户行为分析和异常行为检测的相关研究中，协议识别和特征提取是网络流量特征分析的重要技术手段。下面，本文为大家介绍几款常用的网络流量特征提取的工具。一、WireSharkWireShark是一款常见的网络数据包分析工具。该软件可以在线截取各种网络封包，显示网络封包的详细信息，也可分析已有的报文数据，如由 tcpdump/Win Dump、WireShark 等采集的报文数据。Wi...