人工智能平台 PAI特征工程的相关内容

机器学习系列(6)_特征工程03碳排放小案例（下）

三、卡方检验取三个特征的结果：chivalue, pvalues_chi = chi2(X_fsvar,y) chivalue cross_val_score(RFC(n_estimators=10,random_state=0),X_fschi,y,cv=3).mean() chivalue, p...

机器学习系列(6)_特征工程03碳排放小案例（上）

import numpy as np import pandas as pd from scipy.cluster.vq import * import matplotlib.pyplot as plt from sklearn.manifold import TSNE from scipy.spa...

高校精品课-复旦大学-机器学习与深度学习

1 课时 |

105 人已学 |

加入学习

PAI平台学习路线：机器学习入门到应用

52 课时 |

685 人已学 |

加入学习

场景实践 - 机器学习PAI实现精细化营销

7 课时 |

138 人已学 |

加入学习

机器学习系列(5)_特征工程02特征提取（下）

二、Embedded嵌入法嵌入法是一种让算法自己决定使用哪些特征的方法，即特征选择和算法训练同时进行。先使用某些机器学习的算法和模型进行训练得到各个特征的权值系数，根据权值系数从大到小选择特征有别于过滤法的 “ 手工 ” 操作方式：过滤法使用统计量（如P值），但嵌入法的权值系数没有参考临界值应用fe...

机器学习系列(5)_特征工程02特征提取（上）

数据预处理，特征选择的目的是改善数据质量，体现数据的本质特征，降低计算成本，提升模型的表现。特征选择–主要分为三个模块：特征提取（Features Extraction）：如从文本型数据提取日期型数据；从非结构化数据（文本，视频，...

机器学习系列(3)_特征工程01数据预处理（下）

五、处理分类型特征：编码与哑变量主要方法：preprocessing.LabelEncoder 标签专用法，将分类转换为分类数值preprocessing.OrdinalEncoder 特征专用法，将分类特征转换为分类数值preprocessing.OneHotEncoder 独热编码，创建哑变量什...

机器学习系列(3)_特征工程01数据预处理（上）

数据集有哪些？1、经典数据集：iris，*房价，Titanic，红酒，二手房，*CANCER，TMDB5000，netflix,航空飞行数据，恐袭数据，terror，DigitalRecognizor,医疗数据2、自建数据集&#x...

机器学习（十六）特征工程之数据分箱

1 分箱简介数据分箱（也称为离散分箱或分段）是一种数据预处理技术，用于减少次要观察误差的影响，是一种将多个连续值分组为较少数量的“分箱”的方法。例如，例如我们有一组关于人年龄的数据，如下图所示：初始数据现在我们希望将他们的年龄分组到更少的间隔中，可以通过设置一些条件来实现：...

机器学习实战 | 自动化特征工程工具Featuretools应用

机器学习实战 | 机器学习特征工程最全解读

共有51条

< 2 3 4 5 6 >

跳转至： GO

更新时间 2024-05-20 15:18:55

本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。

产品推荐

热门帮助文档

社区圈子

阿里云机器学习平台PAI

阿里云机器学习PAI（Platform of Artificial Intelligence）面向企业及开发者，提供轻量化、高性价比的云原生机器学习平台，涵盖PAI-iTAG智能标注平台、PAI-Designer（原Studio）可视化建模平台、PAI-DSW云原生交互式建模平台、PAI-DLC云原生AI基础平台、PAI-EAS云原生弹性推理服务平台，支持千亿特征、万亿样本规模加速训练，百余落地场景，全面提升工程效率。

2435+人已加入

加入