![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
【特征工程学习】
梦想成为一名数据挖掘机秀儿
这个作者很懒,什么都没留下…
展开
-
PCA学习笔记
@[TOC](主成分分析法(Principal Component Analysis)学习笔记) 本章学习搬运来源:http://blog.codinglabs.org/articles/pca-tutorial.html PCA的数学原理. PCA的数学原理 PCA算法 PCA算法步骤: 设有m条n维数据。 1)将原始数据按列组成n行m列矩阵; 2)将X的每一行(每一行代表一个属性字段,每一列代表一条记录)进行零均值化,即减去这一行的均值; 3)求出协方差矩阵 C=1mXXTC = \frac{1}{转载 2020-05-26 20:14:33 · 319 阅读 · 0 评论 -
特征工程
特征工程特征工程小结特征工程是什么?特征工程包括什么? 特征工程小结 这一节主要记录学习 特征工程入门和实践 书籍的记录 特征工程是什么? 特征工程(feature engineering)是这样一个过程:将数据转换为能更好地表示潜在问题的特征,从而提高机器学习性能。 特征工程包括什么? 1.特征理解:学习如何识别定量数据和定性数据。 2.特征增强:清洗和填充缺失值,最大化数据集的价值。 3.特征选择:通过统计方法选择一部分特征,以减少数据噪声。 4.特征构建:构建新的特征,探索特征间的联系。 5.特征转换原创 2020-05-20 12:04:51 · 137 阅读 · 0 评论