各维度 特征 重要程度 随机森林_特征工程

• 数据集成的含义是什么？数据集成的常用方法及含义是什么？
  • 数据集成的含义
  • 数据集成的方法
• 什么是数据的特征？特征工程的动机与目标是什么？
  • 数据的特征
  • 特征工程的动机与目标
• 特征选择的方法有哪些？它们的原理和实施步骤是什么？
  • 特征选择的方法
  • 原理和步骤
  • 特征提取和特征选择的区别与联系
• 特征生成的方法有哪些？它们的原理和实施步骤是什么？
• 数据约简的目的是什么？数据约简的方法有哪些？
  • 目的
  • 方法
• 数据变换的目标是什么？数据标准化的方法及特征是什么？偏态分布的处理方法及特征是什么？连续变量的离散化方法是什么？常用特征编码方法及适用范围？
  • 目的
  • 数据标准化的方法及特征
  • 偏态分布的处理方法及特征
  • 连续变量离散化
  • 常用特征编码及适用范围

数据集成的含义是什么？数据集成的常用方法及含义是什么？

数据集成的含义

数据集成，就是将若干个分散的数据源中的数据（即不同来源、不同格式、不同特点的数据），通过某种方法（逻辑地或者物理地）将这些数据整合在一起。通过数据集成将数据整合在一起，用户能够通过数据集成系统访问数据。

数据集成的方法

1.联邦数据库

联邦数据库是一种模式集成方法，即通过消除各个数据源之间的异构性，各个数据库之间通过访问接口相互之间分享数据。异构数据的整合目标在于实现不同结构数据之间的数据信息、硬件设备资源和人力资源的合并和分享。

2.中间件集成

中间件位于应用层（应用程序）和数据层（异构数据源）之间，它向下协调各个数据源，向上为应用层提供数据访问的接口。用户通过用用层发起查询请求，中间件处理用户请求，将请求转换成各个数据源能够处理的子查询请求，然后发送给每个数据源的封装器，封装器与数据源交互，执行子查询请求，然后返回给中间件，中间件将结果返回给用户。

3.数据仓库

数据仓库是一种数据复制方法。此方法将各个数据源的数据复制数据仓库，用户直接访问数据仓库。

什么是数据的特征？特征工程的动机与目标是什么？

数据的特征

数据的特征是从数据中提取出来的对原始数据有用的信息，它能够区分与其他事物的属性，使得某数据区别于其他数据。

特征工程的动机与目标

特征工程是指把原始数据转换为模型的训练数据的过程。在机器学习中，特征工程就是把输入空间转换为特征空间的过程。 为了最大限度地从众多特征中选择尽可能相关的特征，以此来达到简化模型、降低计算复杂度、缩短模型的训练时间、避免过多的维度及降低过拟合等目的，使得提取的特征更好的适应模型。

特征选择的方法有哪些？它们的原理和实施步骤是什么？

如果数据的特征不发散，也就是说在这个特征