特征离散化

DerekLiv 2023-01-13 02:55:17

课时名称	课时知识点
特征离散化	特征离散化

...全文

112 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

如果想深入研究特征离散化，请直接阅读博文最后的英文文献，以免浪费您的时间！一、什么是特征离散化 简单的说，就是把连续特征分段，每一段内的原始连续特征无差别的看成同一个新特征二、为什么进行离散化 1、离散化的特征更易于理解 2、离散化的特征能够提高模型准确度，提高运行速度。使得规则或模型更加简洁 3、有些归纳方法比较适于处理离散化特征三、特征离散化方法 1、认识数据数据可以分

文章目录1. 什么是连续特征离散化2. 为什么要离散化1.1 离散化的优点1.2 离散化缺点1.3 LR模型为什么适合离散特征3. 怎么离散化3.1 无监督学习方法3.2 有监督学习方法：李沐曾经说过：模型是使用离散特征还是连续特征，其实是一个“海量离散特征+简单模型” 同 “少量连续特征+复杂模型”的权衡。离散特征是可枚举的特征，连续特征是不可枚举的特征，在《机器学习中的特征变量及处...

文章目录1. 特征离散化的作用2. 特征离散化可以引入非线性的证明李沐曾说过，模型是使用离散特征还是连续特征，其实是一个“海量离散特征+简单模型” 同 “少量连续特征+复杂模型”的权衡。既可以离散化用线性模型，也可以用连续特征加深度学习。就看是喜欢折腾特征还是折腾模型了。通常来说，前者容易，而且可以n个人一起并行做，有成功经验；后者目前看很赞，能走多远还须拭目以待。 1. 特征离散化的作用在实际工作中，需要使用譬如LR这种线性分类器的时候，往往需要将特征离散化成0/1特征，之后再进行模型训练。这样的好.

定义连续特征离散化是采取各种方法将连续的区间划分为小的区间，并将这连续的小区间与离散值关联起来。连续特征离散化的本质是：决定选择多少个分割点和确定分割点的位置。背景连续数据经常采用离散化处理之后再放入模型。离散化可以理解为提取特征的过程，比如在LR模型，由于是广义线性模型表达能力有限，因此通过特征离散化来了提高非线性学习能力步骤 1.对连续特征值按照某种指定的规则进行排序 2....

连续特征离散化 首先from wiki给出一个标准的连续特征离散化的定义：在统计和机器学习中，离散化是指将连续属性，特征或变量转换或划分为离散或标称属性/特征/变量/间隔的过程。这在创建概率质量函数时非常有用 - 正式地，在密度估计中。它是一种离散化的形式，也可以是分组，如制作直方图。每当连续数据离散化时，总会存在一定程度的离散化误差。目标是将数量减少到手头的建模目的可忽略不计的水平。在金融领...

洪贤斌的课程社区_NO_1

1

社区成员

20

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