Python机器学习进阶实战视频教学

同学笔记

• 

  foxli12345 2020-05-03 09:21:51

  来源：回归树模型 查看详情

  DT：决策树

  GB：梯度， Boosting提升一个个小算法串联起来

• 

  foxli12345 2020-05-02 16:55:49

  来源：时间特征处理 查看详情

  3:将特征数据按照分为数进行切分：（和binning差不多）

  知道当前指标实际的取值范围是多少了（0.25，0.5,0.75,1）

  4、对数变换：

  把数据做对数变换后（对标签做这种变换），偏度值更低了，更接近正态分布.

  COX-BOX类似于对数变换，只是花样更多，目的和对数变换一样

  回忆：

  线性变换时，我们误差项的分布要满足正态分布。

   

• 

  foxli12345 2020-05-01 21:00:20

  来源：常用特征构造手段 查看详情

  现在预处理——再做特征编码

  1、onehotencoding把离散值当中的属性值进行一个编码。

  2、

  3、binning

  在特征工程中应用广泛：年龄范围这种连续值进行离散化处理。

  PolynomiaFeatures把特征值数据（多项式特征）进行一个高维的映射；

  通过大量尝试-得知什么样的特征变换是最合理的。

   

没有更多了