首页
›
生物信息学与 AI 制药工程
›
050-分子动力学特征学习任务
›
《MD特征学习面试问题解析》
VIP20
本课程属于:050-分子动力学特征学习任务
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
MD特征学习面试问题解析
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
特征工程概述
定义 · 重要性 · 在机器学习流程中的位置
特征工程概述
定义
02
缺失值处理
常见方法(删除 · 填充 · 插值)与面试要点
缺失值处理
常见方法
03
异常值检测
统计方法 · 基于模型的方法 · 业务规则
异常值检测
统计方法
04
特征缩放
标准化(StandardScaler…
特征缩放
StandardScal…
05
类别特征编码
Label Encoding · One-Hot Encoding · Ordinal Encoding的优…
类别特征编码
Label
06
特征交叉与组合
如何构造高阶特征 · 多项式特征
特征交叉
组合
07
特征选择方法
过滤法(方差 · 卡方 · 互信息)
特征选择方法
过滤法
08
降维技术
PCA原理 · 应用 · 与特征选择的区别
降维技术
PCA
09
t-SNE与UMAP
可视化降维方法及其面试常见问题
t-SNE
UMAP
10
文本特征提取
Bag of Words · TF-IDF · Word2Vec
文本特征提取
Bag
11
时间序列特征
趋势 · 季节性 · 滞后特征
时间序列特征
趋势
12
特征重要性评估
随机森林 · XGBoost · LightGBM的feature_i…
特征重要性评估
随机森林
13
处理不平衡数据
重采样技术(过采样 · 欠采样 · SMOTE)及其面试题
处理不平衡数据
重采样技术
14
特征工程与模型选择的关系
如何根据模型选择特征工程方法
特征工程
模型选择的关系
15
特征工程中的过拟合问题
如何避免特征过多导致过拟合
特征工程
过拟合问题
16
特征工程自动化
Featuretools · AutoFeat等工具原理
特征工程自动化
Featuretools
17
面试题目
请解释为什么需要对类别特征进行编码?…
面试题目
请解释为什么需要…
18
面试题目
如何处理高基数类别特征?Target… · CatBoost的Ordered T…
面试题目
Target
19
面试题目
L1和L2正则化在特征选择中的作用
面试题目
L1
20
面试题目
PCA中主成分个数如何选择?方差解释…
面试题目
PCA
21
面试题目
特征工程中如何处理日期和时间特征?从… · 月份 · 节假日等
面试题目
特征工程
22
面试题目
什么是特征哈希(Feature Ha…
面试题目
Feature
23
面试题目
在深度学习模型中 · 特征工程是否必要?为什么
面试题目
深度学习模型
24
面试题目
如何评估一组特征的质量?互信息 · 相关性 · 模型性能提升等
面试题目
如何评估一组特征…
25
面试题目
特征工程与数据泄露的关系?如何防止
面试题目
特征工程
26
面试题目
特征标准化后 · 模型解释性是否受影响
面试题目
特征标准化后
27
面试题目
多项式特征会产生共线性问题 · 如何处理
面试题目
多项式特征会产生…
28
面试题目
在工业界 · 特征工程如何与数据管道结合?Apac…
面试题目
工业界
29
面试题目
特征存储(Feature Store…
面试题目
Feature
30
综合案例分析
给定一个数据集 · 设计完整的特征工程流程
综合案例分析
给定一个数据集
所属VIP或分类
同VIP:DBSCAN构象状态划分方法
同VIP:GROMACS坐标对齐与周期性修正实战
同VIP:GROMACS轨迹读取失败排查教程