在Bagging單元中，我們分享到樣本可以透過Bo
分類: 機器學習二部曲
[機器學習二部曲] Python實作—Ensemble Learning: 一步步的修正， Boosting!
Ensemble Learning(集成學習)主要
[機器學習二部曲] Python實作—Ensemble Learning: 三個臭皮匠，勝過一個諸葛亮! Bagging!
Ensemble Learning(集成學習)主要
[機器學習二部曲] Python實作—特徵工程: 如何在考量標籤下進行降維? LDA!
一般來說，特徵數愈多，我們愈容易得到好的預測效果。
[機器學習二部曲] Python實作—特徵工程: 如何在保留特徵貢獻下降低特徵維度?PCA降維!
一般來說，特徵數愈多，我們愈容易得到好的預測效果。
[機器學習二部曲] Python實作—特徵工程 : 特徵過多該怎麼辦? Feature Selection 特徵選擇
雖然說特徵愈多，愈容易得到好的預測效果。然而，當特
[機器學習二部曲] Python實作—資料預處理 : 如何將特徵規模拉到同一基準? 特徵縮放 Feature Scaling
今天，我們要來談談資料預處理的一個重要環節，特徵縮
[機器學習二部曲] Python實作—資料預處理 : 如何將類別型特徵自動轉換成二元數值型? OneHotEncoder!
上個單元，我們介紹了很好用的LabelEncodr
[機器學習二部曲] Python實作—資料預處理 : 如何將類別型特徵自動轉換成數值型? LabelEncoder !
在建模的過程中，我們常會遇到一個問題，就是我們所採