[特征选择] DIscover Feature Engineering, How to Engineer Features and How to Get Good at It 翻译
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了[特征选择] DIscover Feature Engineering, How to Engineer Features and How to Get Good at It 翻译相关的知识,希望对你有一定的参考价值。
本文是对Jason Brownlee的特征设计文章的翻译, 原文链接在这里.
特征设计是一个非正式话题, 但它毫无疑问被认为是成功应用机器学习的关键.
创建这个导文的时候, 我尽我所能的广泛而深入的学习和分析了所有材料.
你将发现什么是特征设计, 它解决了什么问题, 它为什么重要, 如何设计特征, 谁在这方面做的很好和你可以去哪里学到更多并擅长它.
如果你读一篇关于特征设计的文章, 我希望是这一篇.
"特征设计是另一个话题, 它似乎并不值得在任何评论文章或者书籍, 甚至书中的章节中称誉, 但它绝对是机器学习成功的关键.[...] 很多机器学习的成功实际上是在设计一个学习者可以理解的特征上的成功."
--Scott Locklin
特征设计解决的问题
当你的目标是从预测模型中获取最可能优的结果, 你需要最多的从你所有的里面获取.
这包括正从你所使用的算法中得到最好的结果。它还涉及了充分运用数据,为你的算法所用.
如何为你的预测建模充分利用数据?
这是特征设计的过程中和实践解决问题。
"其实所有的机器学习算法的成功取决于你如何呈现这些数据。"
-- Mohammad
特征设计的重要性
你数据的特征会直接影响到你使用的预测模型以及你将获得的结果.
以上是关于[特征选择] DIscover Feature Engineering, How to Engineer Features and How to Get Good at It 翻译的主要内容,如果未能解决你的问题,请参考以下文章
R语言使用caret包的rfe函数进行特征筛选选择特征消除RFE(Recursive Feature Elimination)进行特征筛选(feature selection)
基于模型(Model-based)进行特征选择(feature selection)并可视化特征重要性(feature importance)
特征选择- Sklearn.feature_selection的理解
机器学习 | 特征选择(Feature Selection)