《百面机器学习》读书笔记
对于一个机器学习问题，数据和特征决定结果的上限，模型和算法的选择和优化是逼近这个上限。
特征工程：去除原始数据中的杂质和冗余，设计更高效的特征来刻画求解的问题和模型之间的关系。
结构化数据 -- 数值类型、类别类型
数值类型归一化：线性函数归一化、零均值归一化（基于梯度下降优化的模型能够更快收敛）
类别特征编码：独热编码、序号编码、二进制编码。
组合特征：一般出现在类别特征编码的交叉组合，形成二阶及高阶特征（参数过多，使用矩阵分解求解）
非结构化数据 -- 文本、图像、序列等
文本表示模型：词袋模型、TF-IDF、主题模型、词嵌入模型
| 词袋模型+tfidf | 每一维都是一个词或者N-Gram，该维的权重由TFIDF计算得到 |
| 主题模型 | 从文本库中计算每个主题上词的分布来发现有代表性的主题，并计算每篇文章的主题分布 |
| 词嵌入模型 | 将词映射为dense类型的向量（word2vec） |
3万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
