特征工程
  1. 首页
  2. 特征工程

列表

8种数值变量的特征工程技术：利用Sklearn、Numpy和Python将数值转化为预测模型的有效特征

8种数值变量的特征工程技术：利用Sklearn、Numpy和Python将数值转化为预测模型的有效特征

特征工程是机器学习中至关重要的一步，它可以显著提升模型的性能。对于数值变量而言，应用合适的特征工程技术，可以将原始数据转化为更有信息量的特征，从而有效提高预测模型的准确性。本文将介绍8种数值变量的特征工程技术，并结合Sklearn、Numpy等工具给出代码示例。1. 标准化 (Standardiz
后端 2024年09月28日
【Python特征工程系列】利用SHAP进行特征重要性分析-决策树模型为例（案例+源码）

【Python特征工程系列】利用SHAP进行特征重要性分析-决策树模型为例（案例+源码）

在机器学习的过程中，特征工程是一个至关重要的环节。特征的重要性分析可以帮助我们理解模型的决策过程，从而进一步优化特征选择。SHAP（SHapley Additive exPlanations）是一种解释机器学习模型输出的强大工具，它通过计算特征在每个预测中的贡献来评估特征的重要性。本文将结合案例，通
后端 2024年09月21日