关键词
data filtering 数据降维 data reduction 数据过滤 数据标准化 Data standardization Feature engineering

描述
特征工程很好的混合了专业领域知识、直觉和基本的数学能力。 时间戳处理 分解类别属性 分箱/分区 交叉特征 特征选择 特征缩放 特征提取 异常数据的清洗和样本的选取 数据预处理 无量纲化 标准化 区间缩放法 归一化 对定量特征二值化（离散化） 对定性特征进行独热编码 缺失值的处理 删除 统计填充 统一填充 预测填充 具体分析 数据变换 特征选择 过滤法，包装法，嵌入法 Filter方差选择法， 相关系数法，卡方检验，互信息法，Wrapper，递归特征消除法，Embedded，基于惩罚项的特征选择法，基于树模型的特征选择法，训练能够对特征打分的预选模型：GBDT、RandomForest和Logistic Regression等都能对模型的特征打分，通过打分获得相关性后再训练最终模型； 特征组合，降维，主成分分析法（PCA），线性判别分析法（LDA）
相关主题
pkuseg Operations research 模式识别 Policy engine 决策支持 Process ADAS decision support 场景模型 Deep learning STS elasticsearch 机器学习 Model visualization 视图可视化 倒排索引 3DR-Tree ONOS 复合模型 caffe 深度学习 Pattern recognition pychart IOTA text recognition fdnlp Resources 搜索引擎 Inverted index view visualization 图像识别 Test training image recognition Compound model 策略 模型托管 Stanford Nlp 时空索引 TimeGIS Image index 流程引擎 物联网应用 埃欧塔 资源引擎 策略控制器 图像索引 gis 模型可视化 文本识别 新型大数据架构 ggplot2 plot solr pytorch 资源 ArcGIS AWS Lambda ggplot segmaker Model hosting Kappa 流程 Space-time index 测试训练 Process engine STR-tree Graphics 策略执行器 PC PE lattice 运筹学 Machine learning Strategy Scene Model chart opencv RAM