机器学习实践——数据预处理总结

对coursera How to Win a Data Science Competition: Learn from Top Kagglers 的总结:

1,numerical features

1)树结构的模型对数值变量的scale不敏感,线性模型,KNN和神经网络对scale敏感

2)regularization对feature的效果受到数值范围的影响

3)scale的方法:MinMaxScale, StandardScaler.

4)对于某些模型(如KNN)由于模型效果受数值范围的影响,也可以操纵feature的scale,给我们认为重要的feature更大的数值

5)outlier会严重影响线性模型(尤其是线性回归),可以选择限制最大最小值为整个分布的1%,99%;也可以对data进行rank(对train data rank时需要保存此rank中数值和rank的对应关系,并对test data做相同的rank;或者先对整个数据集rank,再分train/test data)

6)其他一些压缩数据区间使得数值更接近均值的办法:log、square

2,categorial and ordinal features

1)ordina feature和categorial feature的不同在于前者是有特定顺序的,它和numerical的不同在于前者的两个级别

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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