機器學習深入與強化--工作流程與模型優化

實際建模之前，需要做數據的處理，首先是數據清洗，2點，然後是數據採樣，因爲大部分模型對正負樣本的比例都十分敏感。 之後非常重要的就是特徵工程，它包括特徵處理和特徵選擇兩部分，首先是特徵處理，針對不同類型的特徵值進行處理。特徵選擇包括 過濾型、包裹型和內嵌型，過濾型考慮單個特徵與y值之間的相關度，挑選最相關的特徵留下來。包裹型是指逐步取特徵的子集，在子集上跑算法，看效果是否比在特徵全集上好，比如準確

>>阅读原文<<