作者：王茂霖，華中科技大學，Datawhale成員

內容概括

數據挖掘提分三板斧：

1.金斧-數據清洗和特征工程

2.銀斧-模型參數調節

3.銅斧-模型集成

PPT下載：后臺回復“210406”可獲取

視頻地址：https://www.bilibili.com/video/BV1MU4y1h75G

數據清洗和特征工程

一、關于數據清洗

1.缺失值處理：

2.異常值處理：

數據清洗-數據分桶

3.數據分桶：

4.數據標準化：在不同的問題中，標準化的意義不同

（1）在回歸預測中，標準化是為了讓特征值有均等的權重；

（2）在訓練神經網絡的過程中，通過將數據標準化，能夠加速權重參數的收斂；

（3）主成分分析中，需要對數據進行標準化處理；默認指標間權重相等，不考慮指標間差異和相互影響。

數據清洗的示例：

二、關于特征工程

1.特征構造：

2.特征選擇：

特征工程的示例：

模型參數調節

一、關于建模調參

1.理解模型

2.性能驗證

3.模型調參

模型集成

一、關于模型集成

1.加權融合

2.Boosting/Bagging

3.Stacking/Blending

模型集成示例：

本文作者

王茂霖，Datawhale重要貢獻成員，Datawhale&天池數據挖掘學習賽開源內容發起人，全網閱讀超10w。

參賽30余次，獲得BCIC-數字中國創新創業大賽亞軍，全球城市計算AI挑戰賽，Alibaba Cloud German AI Challenge等多項Top10。

分享地址

• 復制鏈接打開（或閱讀原文）

• https://www.bilibili.com/video/BV1MU4y1h75G

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯溫州大學《機器學習課程》視頻 本站qq群851320808，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的数据挖掘提分三板斧！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。