Orange做机器学习特征工程

一、通用变量处理

采用数据预处理模块，对原始文件进行标准化，其中一般标准差处理适合大部分场景，对NULL的处理也有一些

采用离散化处理模块，对原始文件或预处理后文件进行处理，可以选择全部分1-N，也可以针对不同变量离散化不一样，但是这个是比较粗糙的，因为orange做离散化是没有逻辑性，只有分频或者分层

二、特征工程

采用特征工程方式，可以对一些需要做如增速、环比等变量未必在数据处理时候做，也可以放到orange特征工程这个模块，方便快捷，而且可以随意处理。

1 if() else 0

yes,no

以上是特征工程的基本语法，（）中的变量可以在特征库中筛选，这个工具还是对数据处理非常不错的。

三、发现和探索方式

混淆矩阵(confusion Martrix)可以帮助判断分类的情况，接入到scatter plot就可以发现正确、错误的分类是如何发生的；

Ranking这个包括信息增益和基尼增益，可以放到数据集上判断原始数据信息量，也可以放到test score模块后面，判断各个变量的对模型的影响情况

Datatable如果放到如逻辑回归等模型后面，可以帮助你来对每个变量的权重进行判断，从而拿到各个变量的影响值。

四、最后的关于AUC、F1、CA、召回率和精确率的再次解释；

所有模型其实都不是完美的，关键还是看应用场景所需要的、强调的内容，比如大夫判断癌症宁可错杀一千不能放掉一个，那么对召回率要求很高，反而对精确度一般；

而如分析采购或送礼品卷等行为，那么重要的分类准确，尽量让目标分类更多的可以完成我们预计的任务。

为了方便，以下专业名词都用英文替代了。本人留学狗，脑子不好使容易蹦英文单词，不喜勿喷哈。

准确率 - accuracy

精确率 - precision

召回率 - recall

F1值 - F1-score

ROC曲线下面积 - ROC-AUC （area under curve）

PR曲线下面积 - PR-AUC

可以参考原来博主文章：精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么？_Ritter Liu的专栏-CSDN博客_auc f1

Orange做机器学习特征工程相关推荐

机器学习实战 | 机器学习特征工程最全解读
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/41 本文地址:https://www.showmeai.tech/article-d ...
双样本T检验——机器学习特征工程相关性分析实战
最近在做数据分析方面的工作,经常需要检验两组样本之间是否存在差异,所以会遇到统计学中假设检验相关的知识.在机器学习特征工程这一步,笔者最常用到的是假设检验中的卡方检验去做特征选择,因为卡方检验可以做两 ...
机器学习-特征工程中的特征降维
对于一个机器学习问题,数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限.由此可见,数据和特征在模型的整个开发过程中是比较重要.特征工程,顾名思义,是对原始数据进行一系列工程处理,将其提炼为 ...
机器学习-特征工程中的数据预处理
对于一个机器学习问题,数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限.由此可见,数据和特征在模型的整个开发过程中是比较重要.特征工程,顾名思义,是对原始数据进行一系列工程处理,将其提炼为 ...
机器学习——特征工程——数据的标准化（Z-Score,Maxmin,MaxAbs,RobustScaler,Normalizer）
数据标准化是一个常用的数据预处理操作,目的是处理不同规模和量纲的数据,使其缩放到相同的数据区间和范围,以减少规模.特征.分布差异等对模型的影响. 比如线性回归模型.逻辑回归模型或包含矩阵的模型,它们会 ...
探讨使用UML设计机器学习特征工程与深度学习建模等大数据分析软件
大数据人工智能软件产品研发,是在传统软件工程的基础上,增加了数据特征分析.人工智能算法建模及模型训练过程,同时也增加了很大的不确定性. 0. 前言本文以程序员视角,以客户流失为案例,使用UML方式设 ...
机器学习——特征工程之分类变量
机器学习--特征工程之分类变量前言分类变量的编码 1.one-hot 编码 2.虚拟编码 3.效果编码处理大型分类变量 1.特征散列化 2.分箱计数总结前言关于特征工程,已经对空值.数值型 ...
机器学习特征工程之连续变量离散化：聚类法进行分箱
机器学习特征工程之连续变量离散化:聚类法进行分箱离散化,就是把无限空间中有限的个体映射到有限的空间中: 根据用户的听音乐的数据来预测哪些歌曲更受欢迎. 假设大部分人听歌都很平均,会不停的听新的歌曲, ...
机器学习特征工程之连续变量离散化：等频分箱
机器学习特征工程之连续变量离散化:等频分箱离散化,就是把无限空间中有限的个体映射到有限的空间中: 根据用户的听音乐的数据来预测哪些歌曲更受欢迎. 假设大部分人听歌都很平均,会不停的听新的歌曲,但是有 ...

Orange做机器学习特征工程

Orange做机器学习特征工程相关推荐

最新文章

热门文章