综述性论文,如何使用互信息来进行特征选择。特征工程是机器学习最重要的领域之一,本文深入浅出介绍了特征选择的一个方向。
2021-04-26 17:59:34 243KB 互信息 机器学习 特征选择 特征工程
1
这里面包含了有关机器学习的特征工程中的几个常用数据集,例如aisles.csv, factor_returns.csv order_products__prior.csv orders.csv products.csv
2021-04-22 18:04:05 176.37MB 机器学习 特征工程
1
人工智能特征工程介绍---
2021-04-20 14:08:31 2.04MB 特征工程 人工智能
1
本次代码是2020数字中国创新大赛—算法赛:智慧海洋建设比赛复赛程序,复赛A榜18,B榜26。 程序使用了3个模型,分别是词嵌入+textcnn、lightgbm、randomforest,对最终的预测取得了不错的效果。
2021-04-08 21:14:14 44KB 天池竞赛 智慧海洋 特征工程 nlp
1
aipython.pdf
2021-03-31 12:03:06 1.01MB 特征工程
1
《数据准备和特征工程
2021-03-27 20:18:50 5KB python numpy
1
特征工程和xgboost调优案例,面向初学xgboost以及想要进阶学习xgboost调参的程序猿
2021-03-23 21:41:39 5.55MB xgboost
1
使用集成学习模型xgboost、lightGBM、Catboost以及深度学习模型LSTM预测目标变量(因子),通过丰富的EDA、数据预处理、特征工程、特征选择、参数调优、模型对比分析、可视化分析(箱图、密度图、pair plot、)等步骤来进行整体的合理评估和分析。
kaggle平台上波士顿房价预测的数据集以及代码实现过程, 主要涉及遇到一个新问题是如何分析数据,对数据进行处理,做特征工程,到最后的预测
2021-03-16 12:02:48 546KB kaggle 特征工程
1