数据挖掘中的特征工程理解与使用下载

weixin_39821051 2021-12-07 13:51:11

特征工程初学者 , 相关下载链接：https://download.csdn.net/download/m0_46483888/57769005?utm_source=bbsseo

...全文

8 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

相关推荐

特征工程初学者

科学总把简单的问题转化的很复杂，在彰显其严谨的同时，也把大部分的学习者挡在了门外，jacky跟大家谈谈如何深入浅出的学习特征工程？《特征工程三部曲》之一数据处理要理解特征工程，首先就要理解好数据(Data)和特征(Feature)的概念(一)逻辑梳理特征工程(Feature Engineering)其本质上是一项工程活动，它目的是最大限度地从原始数据中提取特征以供算法和模型使用。特征工程在数据挖掘...

要理解特征工程，首先要理解数据（Data）和特征（Feature）的概念概念 特征工程（Feature Engineering）其本质上是一项工程活动，它目的是最大限度地从原始数据中提取特征以供算法和模型使用。 特征工程在数据挖掘中有举足轻重的位置数据领域一致认为：数据和特征决定了机器学习的上限，而模型和算法只能逼近这个上限而已。...

目前数据分析已经深入到各个行业中，尤其以Python为工具的数据分析和数据挖掘将越来越流行，但在数据分析和挖掘中，最消耗时间的就是数据处理了，高效的数据处理技能已经成为工作中必不可少的技能之一了。熟练掌握和运用Python对数据进行高效的处理，可以大大提高数据分析和数据挖掘的效率。 Python数据处理实战: 基于真实场景的数据(Python数据处理和特征工程)作为Python数据清洗实战入门课程的升级版，本课程以真实的场景数据为案例进行教学，包括征信，电商，零售数据等, 本课程由浅入深详细讲解Python数据处理和特征工程在真实项目中的运用, 本课程专门针对想深入学习Python数据处理而量身定做的课程，是讲师在多年真实项目和实践工作的总结，涵盖实际项目中主要的知识点，内容详尽，代码可读性及实操性强。掌握好数据处理和特征工程，有利于今后从事或者转行数据分析或者数据挖掘，以及解决工作和项目中遇到的各种数据处理问题。课程目标：1.熟悉数据处理的流程和方法 2.熟练掌握pandas和numpy的运用 3.举一反三,能够独立完成数据分析中数据处理阶段的任务 4.提高数据处理能力，在项目中能够事半功倍课程定位: 1. 零基础学员或者有一定基础学员、大中院校学生；2. 在职从事数据分析相关工作以及打算转行Python数据分析人员； 3. 对Python有兴趣人群。课程特色 1. 相关代码老师课堂上全部打出，方便理解和记忆; 2. 提供源代码和数据方便同学们预习和复习; 3. 使用真实的数据进行教学，紧贴实战，避免枯燥的理论; 4. 在教学过程中，尽可能多的使用图表教学; 5. 每一个章节后面都配有相关练习题目以及习题答案，方便同学们进行自我测试。课程学习环境: Python3.7版本讲师介绍: Peter，某科技公司高级量化分析师，金融数学硕士毕业，擅长数据分析和数据挖掘，在公司长期从事机器学习建模，拥有多家银行，消费金融和互联网金融风控建模经验。熟练掌握Python编程软件和数据库等软件.

本课程体系化的、完整地讲解人工智能的算法与实践。课程紧密结合实例对机器学习领域绝大多数常用算法（涉及监督学习、无监督学习、增强学习、特征工程、深度学习等几乎全领域的数据智能算法）的原理、各算法使用、真实工程中使用进行讲解；除每一种算法都结合程序实例讲解，第三大章又结合真实场景与实例讲解在实际工程中如何真正使用算法解决问题（数据准备、分析、处理、特征工程、模型选择、训练、调优、调参、评估、应用等等）。旨在培养又能理解算法，又能在行业实践与应用场景中真正使用人工智能算法的专业人才

下载资源悬赏专区

12,100

社区成员

11,336,084

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告