feature engineering

3周前 · ai

精通非线性数据：Scikit-Learn 的 SplineTransformer 指南

忘掉僵硬的直线和狂野的多项式。发现为什么 Splines 是特征工程的“恰到好处”，在灵活性和约束之间提供完美的平衡……

#scikit-learn #spline-transformer #feature-engineering #non-linear-data #machine-learning
3周前 · ai

磨快斧头：在 R 中执行 Principal Component Analysis (PCA) 用于现代机器学习

“给我六个小时砍倒一棵树，我会把前四个小时用来磨斧头。” — 亚伯拉罕·林肯这句话在现代机器...

#principal component analysis #PCA #dimensionality reduction #R programming #machine learning #data preprocessing #feature engineering
3周前 · ai

使用 AI 代理自动化机器学习

概述在Kaggle上参加比赛时，你会很快注意到一个模式：Baseline——上传数据，运行CatBoost或LightGBM，得到约为 ½ 的基线指标。

#AutoML #machine learning #AI agents #Kaggle #feature engineering #hyperparameter optimization #CatBoost #LightGBM
1个月前 · ai

ML模型：为什么你的预测是好的……直到它不是

文章图片https://media2.dev.to/dynamic/image/width=800%2Cheight=%2Cfit=scale-down%2Cgravity=auto%2Cformat=auto/https%3A%2F%2Fdev-to-uploads.s3.amazo...

#machine learning #feature engineering #ML pipelines #model evaluation #business metrics #data science #production ML #model monitoring
1个月前 · software

使用 Tranalyzer2 从 PCAP 提取流级网络特征

为什么流级特征提取很重要流级表示是现代网络流量分析中的基本抽象。它不再在…上操作。

#network analysis #PCAP #flow extraction #Tranalyzer2 #traffic characterization #feature engineering #machine learning
1个月前 · ai

你的模型是时间盲吗？循环特征编码的案例

循环编码如何提升机器学习预测本文《Your Model Time-Blind? The Case for Cyclical Feature Encoding》首次发表于 Towards D...

#cyclical encoding #feature engineering #time series #machine learning #periodic features
1个月前 · ai

特征工程

什么是特征工程？ - 特征只是数据的一列，例如年龄、薪水、购买次数。 - 特征工程指的是创建、修改或…

#feature engineering #machine learning #data preprocessing #model accuracy #data science