weixin_61083660的博客

self.data = data # 包含基础变量的数据self.feature_list = feature_list # 变量名前缀self.p_list = p_list # 变量名前缀self.df = pd.DataFrame([]) # 用于收集最终变量的数据框self.core_num = core_num # 35个函数对应35个核self作为第一个参数，是实例对象本身data是传入的数据集feature_list是需要进行处理的特征集p_list是需要聚合的月份集。...

通过无差别聚合方法进行聚合得到的结果，通常具有较高的共线性，其所具备的信息量并无明显增加，反而会为广义线性模型带来干扰，影响模型的鲁棒性和稳定性。因此通常时间窗口为1年的场景下，p值会通过先验知识，人为选择3、6、12等，而不是遍历全部取值1~12。实际业务中，许多数时候数据源和建模目标都是确定的，这时候特征工程几乎就决定了最终模型的业务效果。用于预测的特征的原始变量，必须是在模型开发样本和将来模型实施时均可观察到的信息。将每个样本的变量通过各种运算，将单个特征的多个时间节点取值进行聚合的操作。...

对既有数据信息的重新排布。需要知道的是，特征衍生本身不是去创造更多信息，而是借助现有的数据去组合出一些新的数据，进而提高建模效果。1、四大类、26种特征衍生方法2、双变量及多变量特征衍生策略3、二阶及高阶特征衍生技巧4、时序和NLP特征的衍生方法在单变量多项式衍生的基础上增加交叉项的计算，如二阶多项式衍生特征除一次方，二次方以外还有衍生出的任意两个变量相乘。.........

kaggle篇章三，新手入门糖尿病检测

算是基本跑完一遍泰坦尼克号幸存者预测的代码了

泰坦尼克号幸存者预测所用函数

这是一整套的攻略，收集了我在kaggle这条路上遇到的问题，包括下载Anaconda，Pytorch和Pycharm，学习python，注册时没有人机验证，验证码一直出现“unknown error”，以及泰坦尼克号幸存者预测的问题。...