特征工程

在本文中，我将与您分享我在Fiverr领导的上一个项目期间研究的一些方法。
您将获得有关我尝试的基本方法以及更复杂的方法的一些想法，该方法获得了最佳效果-删除了60％以上的功能，同时保持了准确性并为我们的模型实现了更高的稳定性。我还将分享我们对该算法的改进。

如果你真的想避免你的机器学习模型产生垃圾结果的尴尬局面，你需要理解标题所暗示的“有效数据预处理和特征工程”的重要性。

本文包含3个部分：特征工程,从原始数据到特征。良好特征的特点。如何了解数据。