特徵選擇
工具eda（探索性資料分析）
採用各種技術(大部分為視覺化技術)在盡量少的先驗假設條件下，探索資料內部結構和規律的一種資料分析方法或理念 。
數值特徵
資料應滿足模型的一些隱式或者顯示的假設，例如：線性回歸訓練使用平方損失函式等價於假設**誤差服從高斯分布。
類別特徵
時間特徵
空間特徵
文字特徵
skip-gram模型
余弦相似度
jaccard相似度
levenshtein（編輯距離）
隱性語義分析：奇異值分解（svd）
word2vec
過濾方法
封裝方法
封裝方法直接使用機器學習演算法評估特徵子集的效果 ，它可以檢測出兩個或者多個特徵之間的互動關係 ，而且選擇的特徵子集讓模型的效果達到最優。
嵌入方法
嵌入方法則將特徵選擇嵌入到模型的構建過程中，具有封裝方法與機器學習演算法相結合的優點，而且具有過濾方法計算效率高的優點。
嵌入方法
一般機器學習包的線性模型都支援l
1l_1
l1正則，如 sparkmllib和 skleam等。
參考文獻
《美團機器學習實踐》
評書 《美團機器學習實踐》
新入手一本 美團機器學習實踐 讀完覺得很有意思，把一部分內容分享給大家。美團可以說是當之無愧的國內最大的poi和o2o應用的公司，他們在這方面的經驗積累極多，架構非常漂亮，而且即使我這個不大了解這方面的人讀起來，也能對機器學習在poi和o2方面的應用有大致的了解。接下來筆者將介紹一些自己覺得很有趣的...
美團推薦演算法實踐
推薦系統並不是新鮮的事物，在很久之前就存在，但是推薦系統真正進入人們的視野，並且作為乙個重要的模組存在於各個網際網路公司，還是近幾年的事情。隨著網際網路的深入發展，越來越多的資訊在網際網路上傳播，產生了嚴重的資訊過載。如果不採用一定的手段，使用者很難從如此多的資訊流中找到對自己有價值的資訊。解決資訊...
美團機器學習實踐第四章 模型融合總結
思維導圖如下 模型融合是一種有效提公升機器學習效果的方法，通過構建並融合多個模型來完成學習任務。模型融合主要包含兩個階段 構建若干單模型和模型融合。如果模型融合使用的單模型屬於一類學習演算法，這樣的融合稱為同質模型融合，如果模型融合使用多種不同的學習演算法構建的單模型，這樣的融合稱為異質模型融合。1...