首页
特征工程是机器学习的关键步骤。
精华吧
→
答案
→
网课
特征工程是机器学习的关键步骤。
正确答案：正确
Tag：
步骤
特征
机器
时间：2024-04-17 10:41:39
上一篇：
特征工程是一个创造新特征的过程，利用数据领域的知识创建使机器学习算法达到最佳性能的特征。
下一篇：
所有的聚类算法都属于有监督学习。
相关答案
1.
在对人的性别进行分类的模式分类问题中，特征提取与选择的好坏将直接决定分类器的性能。
2.
数据清洗主要是对原始数据进行规整化，目标是使得数据能够满足模型处理的数据格式。
3.
在实际场景中，我们获取的数据或多或少可能存在缺失的情况，这时我们需要对缺失数据进行相应处理。
4.
在完成数据清洗之后，我们需要进行特征预处理，包括归一化、标准化、中心化。
5.
在犬种区分任务中，我们可以通过耳朵大小、体型大小、眼睛颜色和毛长等特征来区分不同种类的狗。
6.
在犬种区分任务中，我们可以通过毛色特征来区分不同种类的狗。
7.
在犬种区分任务中，我们需要对特征值进行无量纲化处理，才能将不同规格的数据转换到同一规格。
8.
在犬种区分任务中，特征值存在量纲不同以及分类离散特征，无法直接计算。
9.
特征工程是利用数据领域的知识创建使机器学习算法达到最佳性能的特征的过程。
10.
特征工程的核心是通过X，创造新的X。
热门答案
1.
特征的好坏将直接决定模型的性能!
2.
假如我们有一个机器学习系统需要对人的性别进行分类，这属于经典的模式分类问题。
3.
获取到数据之后首先我们需要做数据清洗。
4.
在完成数据清洗之后，我们需要进行特征预处理。
5.
归一化的作用是把数据变成0~1之间的小数。
6.
标准化是将数据减去均值再除以标准差，处理后数据符合标准正态分布，即均值为0，标准差为1。
7.
如果对输出结果范围有要求，用归一化；如果数据较为稳定，不存在极端的最大最小值，用归一化；如果数据存在异常值和较多噪音，用标准化，可以间接通过中心化避免异常值和极端值的影响。
8.
有监督和无监督学习的区别就是训练样本有无标记。
9.
分类预测的是连续的样本类别，回归预测的是离散型数值。
10.
电路中参考点的电位通常设为（）V。