案例实战：特征工程实现

ShuYunBIGDATA 2023-01-13 00:30:34

课时名称	课时知识点
案例实战：特征工程实现	案例实战：特征工程实现案例实战：特征工程实现案例实战：特征工程实现案例实战：特征工程实现

...全文

479 回复打赏收藏举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

特征衍生+案例

1. 背景介绍 1.1 人工智能与机器学习人工智能 (AI) 是一门研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。机器学习 (ML) 是人工智能的核心，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在机器学习中，我们利用数据来训练模型，并使

平台内置了Python环境和常用机器学习库，可以直接运行特征处理的代码，还能一键部署成可交互的推荐服务。最让我惊喜的是，特征矩阵和重要性分析的结果可以直接可视化展示，调试起来非常直观。今天想和大家分享一个电商推荐系统中特征工程的实战案例。特征工程可以说是机器学习项目中最关键的环节之一，好的特征能让模型效果事半功倍。特征工程是个需要不断迭代的过程，建议大家在实践中多尝试不同的特征组合，同时注意避免特征泄露等问题。这些行为数据需要做时间维度上的聚合，比如近7天、30天的行为统计，以及行为序列的时序特征提取。

引言在之前学习机器学习技术中，很少关注特征工程(Feature Engineering)，然而，单纯学习机器学习的算法流程，可能仍然不会使用这些算法，尤其是应用到实际问题的时候，常常不知道怎么提取特征来建模。特征是机器学习系统的原材料，对最终模型的影响是毋庸置疑的。特征工程的重要意义数据特征会直接影响你使用的预测模型和实现的预测结果。准备和选择的特征越好，则实现的结果越好。影响预测结果好坏的

特征工程(Feature Engineering)原理与代码实战案例讲解作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming 关键词：特征工程，机器学习，数据预处理，特征选择，特征提取，模型性能

任大勇的课程社区_NO_4

4

社区成员

584

社区内容

发帖

与我相关

我的任务

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

试试用AI创作助手写篇文章吧

+ 用AI写文章