机器学习深入与强化--特征工程
2017-09-25 23:04
183 查看
机器学习算法是一个架子,特征需要我们自己去处理,做出更好的特征,让算法去学习,从而达到更好的效果。
意义中灵活性指的是,如果使用的是简单的LR,处理起来更灵活,更好控制。
做的都是一些基础的事情,比如:
1、跑数据,但互联网的数据都是大数据,不会存在一台服务器上,一般存在HDFS或者Hive表里,自己去写mapreduce的任务,去写HQL去聚合处理这些数据,也就是在数据仓库里打杂。
2、数据清洗。比如电商里很多数据是刷单刷出来的,这部分数据会严重影响模型的判断力。
3、分析业务。针对特定业务想特征,会思考采集什么样的特征对之后的结果有用处。
4、最后用在特定的算法上。
5、找出误判的case,分析误分的原因,在特征的层面再次调整模型。
知道了哪些数据需要采集,接下来就要确定这些数据的存储逻辑、存储方式和存储格式
存储之后就是数据清洗,去掉脏数据
接下来进行数据采样,因为大部分情况下,正负样本的分布是不均衡的
正>>负,且量都挺大==>下采样
正>>负,量不大==>
1、采集更多的数据,如采集时间拉长
2、修改损失函数,给较少的样本一个大的权重,迫使其学习时照顾到少量样本
数据特征工程的数据分为几种类型
归一化:每个维度不一样,梯度下降时出现困难,因为下降方向是由每个维度的方向向量合成的,导致凸函数中下降时出现震荡,一句话就是收敛慢,准确度低。
类别型有三个处理方法:
时间型的数值:即可以看做连续值,也可以看做离散值
停留持续时间可以反映喜好程度,间隔时间可以反映再次购买的需求。
特征与业务相关性很强,要学会开脑洞,有以下三种方法:
意义中灵活性指的是,如果使用的是简单的LR,处理起来更灵活,更好控制。
做的都是一些基础的事情,比如:
1、跑数据,但互联网的数据都是大数据,不会存在一台服务器上,一般存在HDFS或者Hive表里,自己去写mapreduce的任务,去写HQL去聚合处理这些数据,也就是在数据仓库里打杂。
2、数据清洗。比如电商里很多数据是刷单刷出来的,这部分数据会严重影响模型的判断力。
3、分析业务。针对特定业务想特征,会思考采集什么样的特征对之后的结果有用处。
4、最后用在特定的算法上。
5、找出误判的case,分析误分的原因,在特征的层面再次调整模型。
知道了哪些数据需要采集,接下来就要确定这些数据的存储逻辑、存储方式和存储格式
存储之后就是数据清洗,去掉脏数据
接下来进行数据采样,因为大部分情况下,正负样本的分布是不均衡的
正>>负,且量都挺大==>下采样
正>>负,量不大==>
1、采集更多的数据,如采集时间拉长
2、修改损失函数,给较少的样本一个大的权重,迫使其学习时照顾到少量样本
数据特征工程的数据分为几种类型
归一化:每个维度不一样,梯度下降时出现困难,因为下降方向是由每个维度的方向向量合成的,导致凸函数中下降时出现震荡,一句话就是收敛慢,准确度低。
类别型有三个处理方法:
时间型的数值:即可以看做连续值,也可以看做离散值
停留持续时间可以反映喜好程度,间隔时间可以反映再次购买的需求。
特征与业务相关性很强,要学会开脑洞,有以下三种方法:
相关文章推荐
- 机器学习——特征工程之概述
- 机器学习之特征工程
- 机器学习 数据特征分析 特征工程
- 机器学习之特征工程
- 机器学习中,有哪些特征选择的工程方法?
- 【Trick】机器学习特征工程处理(一)
- 机器学习 特征工程之特征选择
- 机器学习之特征工程
- 机器学习——特征工程之线性判别分析LDA
- 机器学习中的特征建模(特征工程)和算法选型建模 - 以暴力破解识别为例
- 想搞机器学习,不会特征工程?你TM逗我那!
- 特征工程(补充)--机器学习数据集里的不均衡数据问题
- 机器学习之特征工程
- 机器学习(一)特征工程基本流程
- 机器学习——特征工程之数据预处理
- 机器学习 数据特征分析 特征工程
- 机器学习之特征工程
- 机器学习中的特征工程总结一
- 【特征工程】2 机器学习中的数据清洗与特征处理综述
- 总结:sklearn机器学习之特征工程