http://blog.csdn.net/wangyibo0201/article/details/51705966 局部异常因子算法-Local Outlier Factor(LOF) 在数据挖掘方面，经常需要在做特征工程和模型训练之前对数据进行清洗，剔除无效数据和异常数据。异常检测也是数据挖掘的 ...
分类：
编程语言 时间：
2017-06-06 13:07:14
阅读次数：
546
1GBDT和LR融合 LR模型是线性的，处理能力有限，所以要想处理大规模问题，需要大量人力进行特征工程，组合相似的特征，例如user和Ad维度的特征进行组合。 GDBT天然适合做特征提取，因为GBDT由回归树组成所以， 每棵回归树就是天然的有区分性的特征及组合特征，然后给LR模型训练，提高点击率预估 ...
分类：
其他好文 时间：
2017-05-07 00:11:05
阅读次数：
535
前言跳过废话，直接看正文文本分类任务是一个经久不衰的课题，其应用包括垃圾邮件检测、情感分析等。传统机器学习的做法是先进行特征工程，构建出特征向量后，再将特征向量输入各种分类模型（贝叶斯、SVM、神经网...
分类：
其他好文 时间：
2017-04-26 01:26:17
阅读次数：
480
转：http://www.cnblogs.com/jasonfreak/p/5448385.html 目录 1 特征工程是什么？2 数据预处理 2.1 无量纲化 2.1.1 标准化 2.1.2 区间缩放法 2.1.3 标准化与归一化的区别 2.2 对定量特征二值化 2.3 对定性特征哑编码 2.4 ...
分类：
其他好文 时间：
2017-04-20 19:36:03
阅读次数：
199
信息增益是决策树ID3算法中重要的概念，同时使用信息增益的手段也用来做特征工程中的特征选择，本文介绍了一种使用SQL中汇总函数cube来计算特征信息增益方法。 ...
分类：
数据库 时间：
2017-04-20 09:56:38
阅读次数：
246
数据预处理和特征选择是数据挖掘与机器学习中关注的重要问题，坊间常说：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。特征工程就是将原始数据转化为有用的特征，更好的表示预测模型处理的实...
分类：
其他好文 时间：
2017-04-17 21:16:16
阅读次数：
358
在机器学习和统计学中，特征选择 也被称为变量选择、属性选择 或变量子集选择 。它是指：为了构建模型而选择相关特征（即属性、指标）子集的过程。
在机器学习中，每个特征对于目标类别的影响并不相同，所以需要...
分类：
其他好文 时间：
2017-03-28 11:22:48
阅读次数：
1093
笔记︱范数正则化L0、L1、L2-岭回归&Lasso回归（稀疏与特征工程） 一、正则化背景 监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”，也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们 ...
分类：
其他好文 时间：
2017-02-19 18:21:35
阅读次数：
403
特征工程中 很常见的一步，特征离散化。最优离散化问题是一个 NP-hard问题。所以所谓的离散化方法只是某种启发式，某种情况下及考量下最优的方法。 好处 1. 减少连续特征的个数，减少存储空间大小 2. 更容易被接受。人更容易接受离散的范围，而不是准确的数值。也就是更容易理解，使用和解释 3. 离散 ...
分类：
其他好文 时间：
2017-02-12 21:04:17
阅读次数：
155
【特征工程】特征选择与特征学习 特征选择（Feature Selection,FS）和特征抽取（Feature Extraction, FE）是特征工程（Feature Engineering）的两个重要的方面。 他们之间最大的区别就是是否生成新的属性。 FS仅仅对特征进行排序（Ranking）和选 ...
分类：
其他好文 时间：
2016-12-23 22:55:47
阅读次数：
300
