参考:https://www.jianshu.com/p/35135ab0a627
https://www.jianshu.com/p/cc6ff3abfed5
解决机器学习问题的流程:
1、数据提取 2、数据清洗 3、特征工程 4、模型构建 5、集成学习(模型融合) 6、预测
特征工程包括三个子模块:特征构建->特征提取->特征选择
特征构建:根据原始数据构建新的特征,需要找出一些具有物理意义的特征。
特征提取:自动地构建新的特征,将原始特征转换为一组具有明显物理意义或者统计意义或核的特征。例如 Gabor、几何特征、纹理等。
常用的方法有:
- PCA (Principal component analysis,主成分分析)
- ICA (Independent component analysis,独立成分分析)
- LDA (Linear Discriminant Analysis,线性判别分析)
特征选择:从特征集合中挑选一组最具统计意义的特征子集,把无关的特征删掉,从而达到降维的效果。
常用的方法:
-
filter(刷选器)方法:Pearson相关系数,Gini-index(基尼指数),IG(信息增益)等
-
wrapper(封装器):有逐步回归(Stepwise regression)、向前选择(Forward selection)和向后选择(Backward selection)等
-
Embeded(集成方法):Regularization,或者使用决策树思想,Random Forest和Gradient boosting等