内容概括
数据挖掘提分三板斧：
1.金斧-数据清洗和特征工程
2.银斧-模型参数调节
3.铜斧-模型集成
PPT下载：后台回复“210406”可获取
视频地址：https://www.bilibili.com/video/BV1MU4y1h75G
数据清洗和特征工程
一、关于数据清洗
1.缺失值处理：
2.异常值处理：
数据清洗-数据分桶
3.数据分桶：
4.数据标准化：在不同的问题中，标准化的意义不同
（1）在回归预测中，标准化是为了让特征值有均等的权重；
（2）在训练神经网络的过程中，通过将数据标准化，能够加速权重参数的收敛；
（3）主成分分析中，需要对数据进行标准化处理；默认指标间权重相等，不考虑指标间差异和相互影响。
数据清洗的示例：
二、关于特征工程
1.特征构造：
2.特征选择：
特征工程的示例：
模型参数调节
一、关于建模调参
1.理解模型
2.性能验证
3.模型调参
模型集成
一、关于模型集成
1.加权融合
2.Boosting/Bagging
3.Stacking/Blending
模型集成示例：
本文作者
王茂霖，Datawhale重要贡献成员，Datawhale&天池数据挖掘学习赛开源内容发起人，全网阅读超10w。
参赛30余次，获得BCIC-数字中国创新创业大赛亚军，全球城市计算AI挑战赛，Alibaba Cloud German AI Challenge等多项Top10。
分享地址
- 复制链接打开（或阅读原文）
- https://www.bilibili.com/video/BV1MU4y1h75G
