特征工程介绍 背景 随着大数据与人工智能的发展,越来越多的用户留下了数字足迹。 这就要求研究人员或者数据工程师广泛地使用机器学习对这些大数据进行处理。 与很多课程或竞赛使用的规范数据不同,研究人员或数据工程师拿到的原始数据往往并不是规范的,而是复杂且非结构化的文本、图像、语音或视频数据。 这些非结构化的...
特征 文本 实践 机器 数据小结 案例 特征 数据 清洗 第章 属性 机器 线性 内容摘要 本书将带你了解特征工程的完整过程，使机器学习更加系统、高效。你会从理解数据开始学习，机器学习模型的成功正是取决于如何利用不同类型的特征，例如连续特征、分类特征等。你将了解何时纳入一项特征、何时忽略一项特征，以及其中的...
特征工程入门与实践 (土)锡南·厄兹代米尔 迪夫娅·苏萨拉 工业技术·自动化技术·0字 完本| 更新时间 本书将带你了解特征工程的完整过程,使机器学习更加系统、高效。你会从理解数据开始学习,机器学习模型的成功正是取决于如何利用不同类型的特征,例如连续特征、分类特征等。你将了解何时纳入一项特征、何时忽略...
本书将带你了解特征工程的完整过程,使机器学习更加系统、高效。你会从理解数据开始学习,机器学习模型的成功正是取决于如何利用不同类型的特征,例如连续特征、分类特征等。你将了解何时纳入一项特征、何时忽略一项特征,以及其中的原因。你还会学习如何将问题陈述转换为有用的新特征,如何提供由商业需求和数学见解驱动的特征...
第2章 特征理解:我的数据集里有什么结构化数据与非结构化数据;定量数据与定性数据数据的4个等级探索性数据分析和数据可视化描述性统计2.1 数据结构的有无拿到一个新的数据集后,首要任务是确认数据是结构化还是…
"特征工程入门与实践"试读· ··· 本书的主题是特征工程。特征工程是数据科学和机器学习流水线上的重要一环,包括识别、清洗、构建和发掘数据的新特征,为进一步解释数据并进行预测性分析做准备。 本书囊括了特征工程的全流程,从数据检查到可视化,再到转换和进一步处理,等等。书中还会涉及各种或简单或复杂的数学工具...
特征工程可以显著提升机器学习模型的性能,同时也有助于去除噪声和提取有用的信息。 在进行特征工程之前,我们首先需要对原始数据进行探索和理解。了解数据的分布、缺失值、异常值等情况,可以为我们进行特征工程提供指导。接下来,我们将介绍一些常用的特征工程技巧。 1.数据清洗:数据清洗是特征工程的第一步,它包括处理...
本书将带你了解特征工程的完整过程,使机器学习更加系统、高效。你会从理解数据开始学习,机器学习模型的成功正是取决于如何利用不同类型的特征,例如连续特征、分类特征等。你将了解何时纳入一项特征、何时忽略一项特征,以及其中的原因。你还会学习如何将问题陈述转换为有用的新特征,如何提供由商业需求和数学见解驱动的特征...
特征工程入门与实践 从零入手 全面了解特征工程 提升机器学习算法的效率、准确率 作者:[土]锡南·厄兹代米尔(SinanOzdemir),迪夫娅·苏萨拉(Divya出版社:人民邮电出版社出版时间:2019年06月 手机专享价 ¥ 当当价降价通知 ¥39.60 定价 ¥59.00 电子书价...