特征工程
关注
分享
扫一扫
文章平均质量分 80
特征工程专栏专注于机器学习模型优化中的关键步骤——特征构建与选择。内容涵盖特征提取、特征变换、特征筛选等技术，包括数值特征的标准化、类别特征的编码、缺失值处理、时间序列特征的提取等。
向云端UP
统计硕士，从事数据分析、数据挖掘工作
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
数据分析、数据挖掘常用的数据清洗方法
数据缺失，填补数据就好了。（1）通过其他数据信息补全，例如使用身份证号码推算性别、出生日期、年龄等（2）通过前后数据补全，例如时间序列缺数据，可以使用前后的均值，缺的多了，可以使用平滑等处理（3）实在补不全，虽然可惜，但是必须要剔除，但是不要删除，也许以后可以用的上。原创 2023-10-20 21:23:11 · 1358 阅读 · 0 评论 -
机器学习中常见的特征工程处理
特征工程原创 2023-10-22 17:22:39 · 1090 阅读 · 0 评论 -
特征提升之特征提取、特征筛选（选择）
特征提取及特征筛选原创 2023-08-03 17:11:17 · 2204 阅读 · 0 评论 -
不平衡数据处理
不平衡数据处理原创 2023-12-03 22:28:13 · 401 阅读 · 0 评论 -
九种降维方法汇总
特征降维原创 2019-05-03 21:07:08 · 5518 阅读 · 1 评论