Datawhale 智慧海洋建设-Task3 特征工程

这里说声抱歉，这部分内容对于初学者的我来说难度有些大，内容有点多，只看了大约一半，还有一半会继续学习，待学完会及时补充笔记。
DataWhale

此部分为智慧海洋建设竞赛的特征工程模块，通过特征工程，可以最大限度地从原始数据中提取特征以供算法和模型使用。通俗而言，就是通过X，创造新的X’以获得更好的训练、预测效果。

“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而已”——机器学习界；

类似的，吴恩达曾说过：“特征工程不仅操作困难、耗时，而且需要专业领域知识。应用机器学习基本上就是特征工程。”

赛题：智慧海洋建设

特征工程的目的:

特征工程是一个包含内容很多的主题，也被认为是成功应用机器学习的一个很重要的环节。如何充分利用数据进行预测建模就是特征工程要解决的问题！ “实际上，所有机器学习算法的成功取决于如何呈现数据。” “特征工程是一个看起来不值得在任何论文或者书籍中被探讨的一个主题。但是他却对机器学习的成功与否起着至关重要的作用。机器学习算法很多都是由于建立一个学习器能够理解的工程化特征而获得成功的。”——ScottLocklin，in “Neglected machine learning ideas”
数据中的特征对预测的模型和获得的结果有着直接的影响。可以这样认为，特征选择和准备越好，获得的结果也就越好。这是正确的，但也存在误导。预测的结果其实取决于许多相关的属性：比如说能获得的数据、准备好的特征以及模型的选择。
上分！

Datawhale 智慧海洋建设-Task3 特征工程相关推荐

【算法竞赛学习】数字中国创新大赛智慧海洋建设-Task3特征工程
智慧海洋建设-Task3 特征工程此部分为智慧海洋建设竞赛的特征工程模块,通过特征工程,可以最大限度地从原始数据中提取特征以供算法和模型使用.通俗而言,就是通过X,创造新的X'以获得更好的训练.预测 ...
智慧海洋建设-Task3 特征工程
学习目标: 了解学习特征工程的基本概念学习topline代码的特征工程构造方法,实现构建有意义的特征工程了解构造特征的一些方法和步骤学习内容: (对特征工程的个人理解:通过特征工程把一个X变成另 ...
Datawhale 智慧海洋建设-Task1
这是在datawhale组织里参加的一个组队学习,内容是海洋数据分析,第一章内容还未学完,后面学习完毕会及时补充整个笔记,这里说声抱歉 DataWahle Datawhale 智慧海洋建设-Task1 ...
Datawhale 智慧海洋建设-Task1 地理数据分析常用工具
一.模块shapely,geopandas,folium,kepler.gl,geohash工具的使用 1.shapely的使用 shapely主要是做地理空间数据的分析, 库的导入 from sha ...
模型融合（智慧海洋建设为例）
模型融合(集成)--提高各种 ML 任务准确性的利器本篇主要源于 Datawhale 智慧海洋建设-Task5 模型融合最后一次的打卡任务,详细的叙述了关于模型融合的部分知识点. 目录模型融合( ...
Task3 特征工程（智慧海洋）
Task3 特征工程(智慧海洋) 这里写目录标题 Task3 特征工程(智慧海洋) 目标: 内容: 1. 特征工程概述 1.1 特征构建 1.2 特征提取和特征选择 2. 赛题特征工程分箱特征 v. ...
【天池智慧海洋建设】Topline源码——特征工程学习（总结）
[天池智慧海洋建设]Topline源码--特征工程学习目录 [天池智慧海洋建设]Topline源码--特征工程学习前言学习来源部分解释学习目标内容介绍 I 特征工程概述 I 数据部分 II ...
【天池智慧海洋建设】Topline源码——特征工程学习（大白）
[天池智慧海洋建设]Topline源码--特征工程学习团队名称:大白链接: https://github.com/Ai-Light/2020-zhihuihaiyang 目录 [天池智慧海洋建设] ...
【天池智慧海洋建设】Topline源码——特征工程学习（天才海神号）
[天池智慧海洋建设]Topline源码--特征工程学习团队名称:天才海神号链接: https://github.com/fengdu78/tianchi_haiyang?spm=5176.1228 ...

Datawhale 智慧海洋建设-Task3 特征工程

Datawhale 智慧海洋建设-Task3 特征工程

Datawhale 智慧海洋建设-Task3 特征工程相关推荐

最新文章

热门文章