登录
注册
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
登录
注册
首页
在线实训
师资培训
证书培训
1+X证书
双创工作室
竞赛指导
科普知识
全部分类
业务
课程
班级
公开课
Python特征工程实战
简介
分类
基础
课程标签：
Python
基础
查看课程
任务列表
第1任务: 1.1 特征工程是什么
第2任务: 1.2 特征工程效果评估
第3任务: 1.3 定性还是定量
第4任务: 1.4 数据的4个等级介绍
第5任务: 1.5 数据的4个等级演示
第6任务: 2.1 探索性数据分析
第7任务: 2.2 探究不同类别样本的血糖浓度
第8任务: 2.3 缺失值探索
第9任务: 2.4 删除缺失值
第10任务: 2.5 构建基线模型
第11任务: 2.6 网格搜索优化
第12任务: 2.7 利用0进行缺失值填充的模型性能
第13任务: 2.8 利用均值进行缺失值填充的模型性能
第14任务: 2.9 标准化和归一化介绍
第15任务: 2.10 结合机器学习流水线进一步优化
第16任务: 2.11 数据预处理小结
第17任务: 3.1 特征构建引言
第18任务: 3.2 分类数据的填充
第19任务: 3.3 自定义分类数据填充器
第20任务: 3.4 自定义定量数据填充器
第21任务: 3.5 编码定类数据
第22任务: 3.6 编码定序变量
第23任务: 3.7 连续变量分箱
第24任务: 3.8 在流水线中封装预处理操作
第25任务: 3.9 拓展数值特征的模型基线
第26任务: 3.10 多项式特征模型性能
第27任务: 4.1 特征选择介绍
第28任务: 4.2 数据导入及探索
第29任务: 4.3 基于皮尔逊相关系数的特征选择
第30任务: 4.4 特征选择前后模型性能比较
第31任务: 4.5 基于假设检验的特征选择
第32任务: 4.6 基于树的特征选择
第33任务: 4.7 特征选择后模型性能探索
第34任务: 4.8 基于线性模型的特征选择
第35任务: 4.9 小结
第36任务: 5.1 特征转换介绍
第37任务: 5.2 主成分分析（PCA）介绍
第38任务: 5.3 PCA工作流程实现
第39任务: 5.4 PCA方差分析
第40任务: 5.5 利用sklearn实现PCA
第41任务: 5.6 深入解释PCA之相关性探究
第42任务: 5.7 深入解释PCA之线性变换
第43任务: 5.8 深入解释PCA之数据分布探索
第44任务: 5.9 PCA小结
第45任务: 5.10 LDA工作流程及实现
第46任务: 5.11 sklearn实现LDA
第47任务: 5.12 LDA数据分布探索
第48任务: 5.13 应用特征转换
第49任务: 5.14 小结
第50任务: 6.1 特征学习介绍
第51任务: 6.2 受限玻尔兹曼机（RBM）工作原理
第52任务: 6.3 MNIST数字识别任务介绍
第53任务: 6.4 MNIST数据准备
第54任务: 6.5 PCA特征分析
第55任务: 6.6 RBM特征学习
第56任务: 6.7 构建基线模型
第57任务: 6.8 加入PCA进行模型优化
第58任务: 6.9 加入RBM进行模型优化
第59任务: 6.10 多层受限玻尔兹曼机
第60任务: 7.1 表情识别任务介绍
第61任务: 7.2 读取数据
第62任务: 7.3 提取特征脸
第63任务: 7.4 构建基线模型
第64任务: 7.5 加入PCA过程
第65任务: 7.6 加入LDA过程
第66任务: 课程配套数据、代码及PPT
学
习
中
心
TOP
张老师
群1：897428979
群2：642795722
工作时间：9:00 - 18:00
张老师:18927565259
邮箱：
3120701392@qq.com
