回答情况：
提问时间：
问题标签：
2回答
我有一个大约37,000行和54列的数据框架。在这54个列中，有两个列，即“user_id”和“mail_id”，格式非常怪异，如下所示：AR+tMy3H/E+Re8Id20zUIz+amJkv6KU12o+BrgIDin0= DQ/4I+GIOz2ZoIiK0Lg0AkwnI35XotghgUK/MYc101I=
1P4AOvdzJzhDSHi7jJ3udWv4ajpKxOn4T/rCLv4PrXU= BL3z4RtiyfIDydaRYWX2
浏览 0修改于2020-12-25得票数 2
2回答
基于SVM的分类算法具有较好的分类精度(> 95%)，但由于对列没有直觉，除了标准标度、零值替换等外，我无法在特征工程或特征生成方面做更多的工作。或者只有当一个人拥有基于列名的直觉时，功能工程才真正有意义.
浏览 0修改于2020-06-30得票数 3
6回答
我遇到了一个机器学习软件，我不会命名它，它声称在没有领域知识的情况下，功能工程过程从任何来源完全自动化，这意味着数据科学家在这一步中几乎没有必要。现在，我发现这个说法有点可疑，因为它违背了我所学到的功能工程所包含的常识。
但考虑到这可能是缺乏知识，从我的部分到什么点，我们可以自动化的特色工程过程？
浏览 0修改于2016-05-24得票数 6
我们有上学人数的数据。就像以前的教育水平一样。兴趣。性别。军人身份。附注，PHP SVM模块是否适合只做一些简单的建模？或者它不值得使用？
浏览 5提问于2015-02-04得票数 0
1回答
我在功能工程中遇到了一个问题。想找点建议。问题陈述:我有多个客户3天的使用数据。有的只使用1天，大约2天和3天。数据与每天发送的电子邮件/联系人的数量有关，等等。
浏览 0修改于2019-04-11得票数 4
1回答
我一直在读一些关于数据预处理和特征工程的文章，包括特征选择，特征重要性和特征构造。我的理解是在数据预处理阶段应用了特征工程。此外，在应用机器学习模型时，有时会检查特征重要性，有时会在模式内部进行检查。 我的问题是:特征工程是否总是在预处理阶段实现，或者有时可以在以后的阶段执行？ 谢谢你Shosho
浏览 45提问于2021-04-28得票数 0
1回答
如果我有一个原始的时间序列数据，功能工程是否意味着提取我的原始数据的属性或特征并将其作为输入？或者，算法会从时间序列本身学习这些信息吗？特征工程仅仅是对自变量的处理吗？还是提取依赖于其他原始数据的特性？
浏览 0修改于2017-08-09得票数 0
回答已采纳
2回答
几天前，一家人工智能金融服务提供商给我们上了一课，并提到你应该根据具体的算法(你是using.For的例子)来进行具体的特征工程。当使用物流回归时，将更多的特征(不相关)(如将连续变量结合成离散变量)拟合成离散的特征往往是suggested.Because物流回归的一个简单算法，我们试图以更好地分离样本的方式来提高维数。我搜索了很多(也许还没有)，大多数材料是“为什么/什么特性工程重要”，“缩放/标准化/连续变量”，“处理空值”或一些没有离散操作的理论评论。
浏览 0修改于2018-03-01得票数 0
1回答
这是一个对原来封闭的帖子(这里)的姐妹贴子。由于数据转换部分是在数据分割后完成的，我想知道这种转换是否与我们如何对数据进行子采样有依赖关系呢？当我们选择不同部分的训练数据时，我们可以得到不同的转换结果。此外，作为测试部分的数据也代表了真实世界的数据。难道我们不应该在分裂之前就对数据进行转换吗?我们能更多地了解“真实世界”中的数据是什么样子吗?我们不浪费数据吗？虽然我同意我们只对训练集进行转换，并在模型评估/训练阶段的预测过程中重新应用相同的训练集，但如果在实际部署过程中，我们对整个数据集进行转换，并
浏览 0修改于2022-04-12得票数 1
1回答
我正在处理一个数据集，在那里我正在进行特征工程 dataset $ variable1 [dataset $ variable2 == "A"] = "B" 当我尝试将variable1转换为B时，无论
浏览 10修改于2019-04-07得票数 1
回答已采纳
我正在尝试训练一个模型来预测我屋顶的太阳能发电。这是我当前的数据集：https://pastebin.com/gtZcGi2m。它是利用一些气象api和实际产生的电力建造的。
我在ML.NET中使用了这个，让它自动找到最好的模型。问题是，如果太阳辐射是0，但是时间大约是下午2点，它仍然可以预测2000-3000年的产生。基本上，它的表现很差。我认为分裂datetime列可能是有意义的。时间是最重要的组成部分，但也对月/日有影响。我怎样才能为自己的价值观做好准备，才能得到更好的榜样？
浏览 0提问于2022-07-03得票数 0
1回答
我在功能工程过程中遇到了一个问题。寻求一些建议。问题陈述:我有多个客户3天的使用数据。有些只使用1天，有些使用2天，有些使用3天。数据与每天发送的电子邮件/添加的联系人数量等相关。但是问题出现在第3列和第4列，因为在这两种情况下，新的特征值都将是"0“。有没有人能建议一种方法来处理这个问题
浏览 5提问于2019-04-11得票数 2
1回答
对于回归问题，我的数据集中有一些分类变量。2)年龄范围：(18-35岁，35-50岁等)我将其分解为age_min和age_max的两列。有什么更好的方法来使用这样的功能在范围内的值吗？
3)百分比范围:它只能取5个值(0，1，1-5，5-10，10)。我应该如何使用这个变量来训练我的模型？在这里，由于"1“和"10”的固定值，我不能将其分解为2列(如年
浏览 0提问于2019-06-20得票数 1
回答已采纳
我用以下步骤建立了一个很好的线性回归模型：
我的问题是，如果我们在生产环境中使用这个模型，那么我们如何进行实时数据的特征工程，因为这个模型是用特征归一化和缩放的来建立的，那么如何对实时数据进行规范化和缩放以得到一个很好的预测呢？对于交叉验证和测试步骤，我们不需要显式的特征工程，因为在建立模型之前，这可以在数据预处理步骤中完成。实时数据<e
浏览 2提问于2017-03-01得票数 0
我的数据集(CSV格式)包含布尔类型(0或1)，当我在Tensorflow中定义我的特性时，我一直将float64定义为tf.contrib.layers.real_valued_column。使用real_valued_column对于布尔类型，我有什么选择？
nationBestSeller
浏览 3修改于2017-06-28得票数 0
回答已采纳
2回答
EDA、特征工程和预处理有什么区别？
主要目的是使原始数据适合于建模。在EDA中，我们正在清理数据，预处理也是如此。在有限元中，我们正在进行缩放和估算。
浏览 0修改于2021-08-17得票数 0
回答已采纳
1回答
我想具体了解有关从事务性数据集中进行特征选择\生成的技术。更详细地说，给定交易的数据集(例如信用卡)，选择在模型上使用哪些类型的功能，以及它们是如何设计的？
浏览 3提问于2018-05-14得票数 1
2回答
我的预测将基于这些特征来预测签名的价值。
我已经根据看不见的数据做了预测。对预测结果与实际数据进行验证后，我的准确率为25%。而交叉验证给我65%的准确性。具有旧特征的第一个模型(部门的ID )提供了25%的准确率，而具有新特性的第二个模型class_department提供了71%的精度(同样是在未见数据上)。
浏览 0修改于2019-03-20得票数 3
回答已采纳
腾讯云开发者
