機器學習之特徵工程(一)
一 什麼是特徵工程
特徵是指資料中抽取出來的對結果預測有用的資訊
特徵工程是使用專業背景和技巧處理資料,使得特徵能在機器學習演算法上發揮更好的作用的過程。
特徵工程的意義:1.更好的特徵意味著更強的靈活性 2更好的特徵意味著只需要簡單模型 3更好的特徵意味著更好的結果
應用機器學習的主要工作就是特徵工程
資料和特徵決定了演算法能達到的上限,演算法和模型的選擇只是無限接近這個上限
如何特徵十分清晰、易辨別,可能不需要神經網路這樣複雜的演算法,只需要常見的機器學習演算法就能達到很好的結果
二 特徵工程在實際工作中的作用
工作中可能70%的時間處理資料,30%的時間建模、模型狀態評估、ensemble。
演算法、模型的研究是一些演算法專家、專業人員在做
大部分人的工作:
1. 跑資料,各種map-reduce, hive sql,資料庫搬磚
2. 資料清洗,資料清洗,資料清洗...
3.業務分析,分析case, 找特徵,找特徵...
4. 一招LR打天下 (一般機器學習部分都有一個LR作為baseline, 可控; svm在小的資料集上效果很好,但很大的資料,例如電商每天資料很大,不太實用svm)
工業界的特徵工程有多大作用呢?
例如某搜尋引擎,廣告部門,2周內可以完成一次特徵迭代,有效的情況下AUC提升3-5%; 而一個月左右完成模型的小優化,有效的情況下AUC提升5%
貼近業務場景進行特徵分析可能比演算法的優化更有效
三 特徵工程的重要環節
1. 資料採集
考慮哪些資料有用;
埋點,資料打標籤
2 資料格式化
確定儲存格式,例如時間格式
大多數情況下,需要關聯非常多的hive表和叢集檔案
3. 資料清洗(data cleaning)
garbage in, garbage out
演算法大多數情況下就是一個加工機器,最後的產品往往取決於原材料的好壞。 所以理解業務更加透徹、資料清洗對結果影響很大
主要是去除髒資料
1. 錯誤資料,例如人身高5m,這樣的資料無論是否真實,對模型訓練不利
2. 組合或統計屬性判定 例如購買籃球鞋的人應該男生佔多數才對
3. 補齊可對應的預設值 不可信的樣本丟掉,預設極多的欄位考慮不用
4. 資料取樣
1.很多情況下,正負樣本是不均衡的,例如電商的使用者點選/買過的商品和沒有行為的商品
2.大多數模型對正負樣本比是敏感的 比如LR,如果有99個正樣本,1個負樣本,那預測時全部預測正,準確率也可以達到99%,這不能反映模型的好壞
正負樣本不平衡的處理方法:
1. 正負樣本量很大,一類樣本數量 >> 另一類樣本數量, 採用下采樣,即對偏多的資料進行取樣,使兩類樣本數量達到一定比例,例如1:1, 3:2等
2. 正負樣本量不大, 一類樣本數量>>另一類樣本,
1)採集更多的資料
2)oversampling,即硬生生的增加量少的一方的樣本,比如增加幾倍的量少的樣本(或簡單處理量少的資料,例如影象識別中的映象、旋轉),容易過擬合
3)修改loss function,例如增加量大的樣本的懲罰權重
相關文章
- 機器學習之特徵工程機器學習特徵工程
- 機器學習 | 特徵工程機器學習特徵工程
- 機器學習——特徵工程機器學習特徵工程
- 機器學習特徵工程機器學習特徵工程
- 面向機器學習的特徵工程一、引言機器學習特徵工程
- 機器學習 特徵工程之特徵選擇機器學習特徵工程
- 機器學習2-特徵工程機器學習特徵工程
- SparkML機器學習之特徵工程(一)特徵提取(TF-IDF、Word2Vec、CountVectorizer)Spark機器學習特徵工程
- 百面機器學習總結--第一章特徵工程機器學習特徵工程
- 機器學習中,有哪些特徵選擇的工程方法?機器學習特徵
- 機器學習之良好特徵的特點機器學習特徵
- 機器學習處理流程、特徵工程,模型設計例項機器學習特徵工程模型
- 機器學習之資料清洗與特徵提取機器學習特徵
- 特徵工程特徵工程
- 美團機器學習實踐第二章-特徵工程總結機器學習特徵工程
- 機器學習-特徵提取機器學習特徵
- [特徵工程系列一] 論特徵的重要性特徵工程
- 一文讀懂特徵工程特徵工程
- 特徵工程之特徵表達特徵工程
- 特徵工程之特徵選擇特徵工程
- python基礎學習之 特徵工程Python特徵工程
- 特徵工程梗概特徵工程
- 特徵工程思路特徵工程
- 機器學習之特徵組合:組合獨熱向量機器學習特徵
- 機器學習之 基於xgboost的特徵篩選機器學習特徵
- 機器學習之特徵選擇和降維的理解機器學習特徵
- 08 特徵工程 - 特徵降維 - LDA特徵工程LDA
- 特徵工程之特徵預處理特徵工程
- 在大型金融資料集上使用機器學習的特徵工程測試機器學習特徵工程
- 機器學習的靜態特徵和動態特徵機器學習特徵
- [特徵工程] encoding特徵工程Encoding
- 特徵工程:互動特徵與多項式特徵理解特徵工程
- Alink漫談(九) :特徵工程 之 特徵雜湊/標準化縮放特徵工程
- 為什麼說自動化特徵工程將改變機器學習的方式特徵工程機器學習
- 專欄 | 基於 Jupyter 的特徵工程手冊:特徵選擇(一)特徵工程
- 什麼是機器學習的特徵工程?【資料集特徵抽取(字典,文字TF-Idf)、特徵預處理(標準化,歸一化)、特徵降維(低方差,相關係數,PCA)】機器學習特徵工程PCA
- 特徵工程 特徵選擇 reliefF演算法特徵工程演算法
- 特徵工程系列:(三)特徵對齊與表徵特徵工程