特征降维特征提取.PDF

机器学习中的数据处理 核心及场景化应用 AI与大数据部 武健 2017-09-16 目录 数据处理 特征工程 场景化应用 数据处理 数据处理 • 如何提高机器学习模型的准确率 实际上限 可能上限 接近上限的途径 数据处理 • 什么样的数据更优质？ 原始数据 加工数据 数据处理 • Better Data Data Transform 1 04 数据清洗 01 06 标注数据 02 03 。 样本采样 02 05 缺失值处理 03 04 样本过滤 数据标准化 与归一化 数据处理 • 从数据预处理到特征工程 特征工程  什么是特征工程  为什么要做特征工程  如何做特征工程 特征工程 • 特征工程 – 特征工程是利用数据领域的相关知识来创建能够使机 器学习算法达到最佳性能的特征的过程 特征工程 • 为什么要做特征工程 更好的特征意味着更强的灵活度 01 特征 工程 更好的特征意味 02 03 更好的特征意味 着更简单的模型 着更出色的性能 特征工程 • 如何做特征工程 特征降维 STEP 3 特征转换 STEP 2 特征构建 STEP 1 特征工程 • 特征构建 – 特征构建指的是从原始数据中人工的构建新的特征 特征工程 • 特征转换 特征工程 特征选择 •