1. 前言
特征 ＝ 数据中抽取出来对结果预测有用的信息
2. 数据与特征处理
2.1 数据采集
Paste_Image.png
2.2 数据格式化
Paste_Image.png
2.3 数据清洗
Paste_Image.png
2.4 数据清洗实例
Paste_Image.png
2.5 数据采样
Paste_Image.png
2.6 正负样本不均衡
Paste_Image.png
2.7 特征处理
Paste_Image.png
2.7.1 数值型
Paste_Image.png
Paste_Image.png
Paste_Image.png
Paste_Image.png
2.7.2 类别型
2.7.2.1.png
one-hot 解决了均等性
2.7.2.2.png
2.7.2.3.png
2.7.2.4.png
bucket代表不同的主题
2.7.2.5.png
性别和爱好的交叉关系
2.7.3 时间型
2.7.3.1
2.7.3.2
2.7.3.3
2.7.4 文本型
2.7.4.1.png
2.7.4.2
n-gram 把几个词组合在一起
2.7.4.3
word2vec
2.7.5 统计特征
2.7.5.1
2.7.5.2
2.7.5.3
2.7.6 组合特征
2.7.6.1
GBDT
3.特征的处理
3.1 特征的选择
3.1.1
3.2 特征选择的方式
过滤型
过滤型python包
包裹型
包裹型python包
嵌入型
嵌入型python包
3.模型选择
模型选择
