《百面机器学习》学习笔记(一)

第一章 特征工程

 

  0.综述

  1.1 特征工程:顾名思义,是对原始数据的进行一系列加工,将其提炼为特征,作为输入供算法和模型使用。
  1.2. 对于一个机器学习问题,数据和特征决定了结果的上限,而模型和算法的选择以及优化则是在逐步接近这个上限。 

 1.特征归一化

 2.1 原因:在学习率相同的情况下,将特征归一化到相同的数值区间后,特征更新速度变得一致,容易更快的通过梯度下降找到最优解。
 2.2 方法:
 (1)线性函数归一化:X_{norm} = \frac{ X-X_{min}}{ X_{max}-X_{min}}


 (2)零均值归一化:  z = \frac{x-u}{ \delta }

2.特征类别化

 方法:

  1. 序号编码
  2. 独热编码
  3. 二进制编码

3.高维组合特征的处理

4.组合特征

5.文本表示模型

6.Word2Vec

7.图像数据不足的处理方法

 

 

 

 

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值