机器学习算法核心1-数据特征工程

这里写目录标题

• 一、机器学习概述
  • • 1.机器学习的定义
    • 2.机器学习的必要性
    • 3.机器学习在实际中的应用范围

  • 二、数据集的构成要素

  • • 1.历史数据所采用的格式类型
    • 2.可利用的数据集资源
    • 3.常见数据集中包含的数据结构形式

  • 三、数据特征处理技术

  • • 1.特征工程的基本概念

    • 2.特征工程的重要性分析

    • 3.scikit-learn库的功能说明

    • 4.数据特征提取方法

    • • 1）字典特征提取——适用于类别型数据
      • 2）文本信息的特征提取方式
      • 首种方法：CountVectorizer—用于统计词频信息
      • 第二种方法：TfidfVectorizer—作为文本分类任务中关键的分类依据

    • 5.数据特征预处理流程

    • • 1）特征预处理的基本含义及操作接口（API）
      • 归一化处理方式
      • 标准化处理方式
      • 标准化总结与缺失值应对策略

    • 6.数据维度缩减技术

    • • 1）特征筛选方法
      • 主成分分析法
        应用实例：用户对商品类别的偏好细分维度压缩

一、机器学习基础概念解析

课