ymengm的博客

最近复习一些书，记录一下。在特征工程中，数据集经常会出现分类变量，这时候的分类变量可能是字符型，通常不能直接用于训练模型，这时需要对分类变量进行编码，用编码后的结果代入训练模型。这里介绍三种常见的编码方式，直接编数字没有放进来。这三种分别是 one-hot 编码、虚拟编码、效果编码。

查看数据可以用很多函数，这里就挑选几个最常用的进行简单展示

数据预处理

对于很多只是小小使用机器学习，而不是深入了解的人来说，了解各种原理可能是十分痛苦的，所以这里就以 XGBoost 为例，从导入数据到最后预测都用简单代码求解。

在机器学习过程中通常情况不能一次就得到最优的模型，往往需要多次调整模型的参数才能得到较好的结果。

推荐系统近几年互联网信息量呈现几何式增长，用户容易很迷失在海量信息中。虽然可以使用层次分类（分类目录）或者是搜索引擎等方法解决这类信息过载问题，但是层次分类需要手工对信息进行分类，并随着数据量增加层级逐渐增多，不便于用户浏览；而搜索引擎需要用户自己输入关键词，自行选择结果，这要求用户已明确知道要查找的内容，并且具有核心词的抽象能力，如果对结果不满意需要调整关键词重新搜索。推荐系统根据用户的浏览记录、社交网络等信息进行个性化的计算，发现用户的兴趣，并应用推荐算法最终达到“千人千面”个性化推荐的效果。我们

LightGBM算法基础介绍

GBDT模型基础介绍

机器学习之AdaBoost模型