文件名称：sklearn-feature-engineering:使用sklearn做特征工程
文件大小：8KB
文件格式：ZIP
更新时间：2024-05-20 07:13:26
sklearn kaggle feature-engineering Python
sklearn-feature-engineering 前言 博主最近参加了几个kaggle比赛，发现做特征工程是其中很重要的一部分，而sklearn是做特征工程（做模型调算法）最常用也是最好用的工具没有之一，因此将自己的一些经验做一个总结分享给大家，希望对大家有所帮助。大家也可以到我的博客上看 有这么一句话在业界广泛流传，数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。 特征工程主要分为三部分： 数据预处理 对应的sklearn包： 特征选择 对应的sklearn包： 降维 对应的sklearn包： 本文中使用sklearn中的IRIS（鸢尾花）数据集来对特征处理功能进行说明，首先导入IRIS数据集的代码如下： 1 from sklearn.datasets
【文件预览】：
sklearn-feature-engineering-master
----README.md(15KB)
----feature_engineering.py(4KB)