特徵工程：將資料轉換為能更好地表示潛在問題的特徵，從而提高機器學習效能。
大體上，機器學習分為兩類：
評估分類問題，可以採用交叉驗證法：
from sklearn.linear_model import logisticregression
from sklearn.model_selection import cross_val_score # 交叉驗證
x =...
y =...
lr = logisticregression(
)scores = cross_val_score(lr, x, y, cv=
5, scoring=
'accuracy'
)# 考慮accuracy..
.
from sklearn.linear_model import linearregression
from sklearn.model_selection import cross_val_score # 交叉驗證
x =...
y =...
lr = linearregression(
)scores = cross_val_score(lr, x, y, cv=
5, scoring=
'mean_squared_error'
)# 考慮mse..
.
,1
][-1,1]
[−1,1]
之間，表示聚類分離性）加上人工分析來判斷特偵工程是提公升了效能與否。
from sklearn.metrics import silhouette_score # 輪廓係數
silhouette_score(attributes, cluster_labels)
特徵工程入門與實踐 3 特徵增強
第3章 特徵增強 清洗資料 主要內容 識別資料中的缺失值 刪除有害資料 輸入 填充 缺失值 對資料進行歸一化 標準化 構建新特徵 手動或自動選擇 移除 特徵 使用數學矩陣計算將資料集轉換到不同的維度。3.1 識別資料中的缺失值 檢視資料集中是否有資料點是空的，用pandas dataframe內建的...
特徵工程入門與實踐 筆記 sklearn
目錄 一 特徵理解 1 定類資料 2 定序資料 3 定距資料 4 定比資料 二 清洗資料 1 識別缺失值 1 刪除缺失值的行 2 填充缺失值 醫學類資料禁用，因為要求真實 2 標準化 歸一化 三 特徵構建 1 定類特徵的填充 2 定量特徵的填充 3 定類特徵的編碼 4 定序特徵的編碼 5 連續值分箱...
演算法實踐 特徵工程
資料集是金融資料 非原始資料，已經處理過了 我們要做的是 貸款使用者是否會逾期。中 status 是結果標籤 0表示未逾期，1表示逾期。特徵選擇 分別用iv值和隨機森林進行特徵選擇。再用7個模型 邏輯回歸 svm 決策樹 隨機森林 gbdt xgboost和lightgbm 進行模型評估。iv的全稱...