首页
›
生物信息学与 AI 制药工程
›
043-蛋白结构预测特征学习任务
›
《机器学习特征工程与模块化管线构建》
VIP20
本课程属于:043-蛋白结构预测特征学习任务
生物信息学与 AI 制药工程 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
机器学习特征工程与模块化管线构建
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
结构模块概述
什么是结构模块?为什么要学习特征?应…
结构模块概述
什么是结构模块?…
02
模块化设计理念
高内聚低耦合原则 · 模块接口定义 · 模块粒度划分
模块化设计理念
高内聚低耦合原则
03
特征的本质
特征 vs 属性 · 特征空间 · 特征维度的概念
特征的本质
vs
04
原始数据收集
传感器数据 · 日志数据 · API 响应
原始数据收集
传感器数据
05
数据清洗基础
缺失值处理 · 异常值检测 · 重复数据去重
数据清洗基础
缺失值处理
06
数据标准化与归一化
Min-Max 标准化 · Z-score 标准化 · 为什么要归一化
数据标准化
归一化
07
类别特征编码
Label Encoding · One-Hot Encoding · Ordinal Encoding
类别特征编码
Label
08
数值特征处理
离散化 · 分箱 · 对数变换
数值特征处理
离散化
09
时间特征提取
时间戳解析 · 周期性特征(小时 · 星期
时间特征提取
时间戳解析
10
文本特征初步
词袋模型 · TF-IDF · n-gram 特征
文本特征初步
词袋模型
11
图像特征基础
像素值 · 颜色直方图 · 边缘特征简介
图像特征基础
像素值
12
特征选择方法
过滤法(方差阈值 · 卡方检验) · 包裹法(递归特征消除)
特征选择方法
过滤法
13
主成分分析(PCA)
降维原理 · 方差解释率 · 实际应用场景
PCA
主成分分析
14
线性判别分析(LDA)
监督降维 · 与 PCA 的对比
LDA
线性判别分析
15
特征交互与组合
笛卡尔积特征 · 交叉特征 · 特征聚合
特征交互
组合
16
特征缩放与归一化实战
使用 sklearn 实现 Stan… · MinMaxScaler
特征缩放
归一化实战
17
管道(Pipeline)构建
将清洗 · 转换 · 建模串联为自动化流程
Pipeline
管道
18
特征存储与管理
特征仓库的概念 · 特征版本控制 · 特征服务
特征存储
管理
19
结构模块的元数据
特征名称 · 数据类型 · 取值范围
结构模块的元数据
特征名称
20
特征质量评估
覆盖率 · 准确性 · 时效性
特征质量评估
覆盖率
21
特征漂移检测
概念漂移与数据漂移 · 统计检测方法(KS 检验 · PSI)
特征漂移检测
概念漂移
22
特征重要性分析
树模型特征重要性 · Permutation Import… · SHAP 值
特征重要性分析
树模型特征重要性
23
自动特征工程(AutoFE)
暴力搜索 · 基于遗传算法的特征构造
AutoFE
自动特征工程
24
深度学习特征提取
使用预训练模型(ResNet · BERT)提取高层特征
深度学习特征提取
ResNet
25
图结构特征
节点特征 · 边特征 · 图嵌入(Node2Vec
图结构特征
节点特征
26
时间序列特征
滞后特征 · 滚动统计 · 差分
时间序列特征
滞后特征
27
特征压缩与哈希技巧
Feature Hashing · 随机投影
特征压缩
哈希技巧
28
多模态特征融合
文本+图像 · 数值+类别 · 对齐策略
多模态特征融合
文本+图像
29
特征监控与回滚
生产环境特征计算异常告警 · 历史回溯对比
特征监控
回滚
30
项目实战
端到端结构模块特征学习系统设计与实现
项目实战
端到端结构模块特…
所属VIP或分类
同VIP:AlphaFold-EvoFormer特征解析
同VIP:AlphaFold特征调优指南
同VIP:EvoFormer模块特征机制学习讲义