一文归纳Python特征生成方法(全)
业内常说数据决定了模型效果上限，而机器学习算法是通过数据特征做出预测的，好的特征可以显著地提升模型效果。这意味着通过特征生成（即从数据设计加工出模型可用特征），是特征工程相当关键的一步。 本文从特征生成作用、特征生成的方法（人工设计、自动化特征生成）展开阐述并附上代码。1 特征生成的作用特征生成是特征提取中的重要一步，作用在于：增加特征的表达能力，提升模型效果；(如体重除以身高就是表达健康情况的....
Python特征选择(全)
1 特征选择的目的减少特征（避免维度灾难），提高训练速度，降低运算开销；减少干扰噪声，降低过拟合风险，提升模型效果；更少的特征，模型可解释性更好；2 特征选择方法特征选择方法一般分为三类：2.1 过滤法--特征选择通过计算特征的缺失率、发散性、相关性、信息量、稳定性等指标对各个特征进行评估选择，常用如缺失情况、单值率、方差验证、pearson相关系数、chi2卡方检验、IV值、信息增益及PSI等....
Python数据特征分析_02(相关系数,帕累托定律,周期性）
一、周期性分析探索某个变量是否随着时间变化而呈现出某种周期性变化的趋势。时间尺度相对较长的周期性趋势有：年度周期性趋势，季节性周期性趋势，相对较短的有月度周期性趋势，周度周期性趋势，甚至更短的天，小时的周期性趋势。import pandas as pd import matplotlib.pyplot as plt df_normal=pd.read_excel("D:/S072003Pytho....
Python数据特征分析_01(MOOC学习时长分析）（下）
3、相对数对比df2['LUO_per']=df2['罗梓']/df2['罗梓'].sum() df2['LI_per']=df2['李裕']/df2['李裕'].sum() df2['LUO_per%']=df2['LUO_per'].apply(lambda x:'%.2f%%' %(x*100)) df2['LI_per%']=df2['LI_per'].apply(lambda x:'%....
Python数据特征分析_01(MOOC学习时长分析）（上）
本篇博客使用到的数据如下：通过分析每个学生的学习时长来分析学生的学习稳定性。（共有115人，每个人记录了11次的学习数据）一、分布分析1、定量数据分布分析定量数据分布分析：主要是求极差将Excel数据导入之后赋值给x，令x3为最后一周的数据：x3=x['20220403']# 01.求极差 R=x3.max()-x3.min() # 得到的极差值：11405# 02.分桶 rg=np.ceil.....
（四） Python的特征数据类型(列表、元祖、字典、集合)
(一)、主要内容1.1、列表1.2、元祖1.3、字典1.4、集合(二)、列表2.1、Python 提供了列表数据类型来存储由多个值组成的序列。在列表中，只可以是任何类型，称为元素或项。Python 列表是有序的。任意的成员都可以通过下标来进行访问。话句话说，Python 对列表数据中的所有成员按序编号，称为索引，从而实现对成员变量的访问和修改。2.2、列表的创建用逗号分隔的不同的数据项使用方括号....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。