人工智能面试总结-特征工程

本文总结了人工智能面试中关于特征工程的常见问题,包括数据预处理、特征缩放、编码、选择和提取,以及如何处理缺值、样本不均衡等问题。提到的解决方法涵盖扩大数据集、过采样、欠采样、权重调整、预训练模型迁移学习等策略。
摘要由CSDN通过智能技术生成

在这里插入图片描述
B站:啥都会一点的研究生

公众号试读:啥都会一点的研究生

说说你知道的特征工程?

 1.数据预处理

 处理缺失值

 图片数据扩充

 处理异常值

 处理类别不平衡问题

 2.特征缩放

 归一化

 正则化

 3.特征编码

 序号编码(Ordinal Encoding)

 独热编码(One-hot Encoding)

 二进制编码(Binary Encoding)

 离散化

 4.特征选择

 过滤式(filter

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

打赏作者

啥都生

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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