监督学习-特征工程-3.特征提取下载

weixin_39821051 2023-01-25 09:00:28
资源整理了特征提取（降维）的几种常见方法 , 相关下载链接：https://download.csdn.net/download/jane0819/87376630?utm_source=bbsseo
...全文
37 回复 打赏 收藏 转发到动态 举报
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
01 基于sklearn的机器学习-机器学习的分类、sklearn的安装、sklearn数据集及数据集的划分、特征工程(特征提取与无量纲化、特征降维)
本文围绕机器学习展开，介绍了其核心思想与本质。详细阐述了机器学习的分类，包括监督、半监督、无监督和强化学习。还说明了项目开发步骤，涵盖数据收集、预处理、模型选择与训练、评估优化。同时介绍了sklearn库的安装、数据集及划分，以及特征工程中的特征提取与无量纲化方法。
python 特征工程_[译] 基于时序数据的特征工程 --- Python实现
本文聚焦基于时序数据的回归预测问题，介绍如何用Python构建有效的特征工程。先阐述特征工程目标，以Minimum Daily Temperatures数据集为例，讲解从时序数据提取日期时间、Lag、窗口三类特征的方法，包括如何用Pandas实现及代码示例，助于将时序数据转为监督学习数据集。
33 机器学习（一）:特征工程
本文介绍了机器学习所需的包，简述了机器学习和深度学习的用途，解释了常见概念，如10 - 折交叉验证、监督与非监督学习等。还介绍了数据类型、来源和构成，重点阐述了特征工程，包括one - hot编码、特征提取、处理、选择和降维等内容。
matlab特征提取和分类_SAST Weekly|MATLAB机器学习初探——做个心音分类器
本文介绍了如何使用MATLAB进行机器学习，特别是构建一个正常/异常心跳声分类器。从数据导入、预处理、特征提取到模型训练与优化，详细阐述了每个步骤，并提及MATLAB在机器学习中的优势及其提供的工具，如Classification Learner。最后讨论了模型部署的可能性。
机器_学习day1 特征工程
本文介绍了机器学习中的特征工程核心内容，涵盖数据集获取与划分、特征提取、预处理及降维方法。重点讲解了One-Hot编码、TF-IDF文本特征提取、归一化与标准化的区别，以及PCA主成分分析等关键技术，帮助算法更高效地处理数据。
下载资源悬赏专区

13,654

社区成员

12,571,328

社区内容

发帖
与我相关
我的任务
社区描述
CSDN 下载资源悬赏专区
其他 技术论坛（原bbs）
社区管理员
  • 下载资源悬赏专区社区
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