VIP20
本课程属于：006-模型风险管理特征筛选清单 金融科技风控与量化工程 · 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

模型验证特征筛选全流程资料

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
课程导论
特征筛选与模型验证在机器学习全流程中… · 课程目标与学习路径概览
课程导论特征筛选
02
数据预处理基础
缺失值处理（均值/中位数/众数填充 · 删除法） · 异常值检测（3σ原则
数据预处理基础缺失值处理
03
数据标准化与编码
Z-score标准化 · Min-Max归一化 · 独热编码与标签编码的原理与适用场景
数据标准化编码
04
特征工程概述
特征构建 · 特征提取 · 特征选择三者的区别与联系
特征工程概述特征构建
05
过滤式特征选择（一）
方差阈值法（VarianceThre… · 如何剔除低方差特征
过滤式特征选择VarianceThre
06
过滤式特征选择（二）
相关系数法（Pearson/Spea…
过滤式特征选择Pearson/Spea
07
过滤式特征选择（三）
卡方检验（Chi-Square）与互…
过滤式特征选择Chi-Square
08
包裹式特征选择（一）
递归特征消除（RFE）的原理 · 迭代流程与代码实现
包裹式特征选择RFE
09
包裹式特征选择（二）
前向搜索与后向搜索（SFS/SBS）…
包裹式特征选择SFS/SBS
10
嵌入式特征选择（一）
L1正则化（Lasso）如何自动进行… · 系数收缩与稀疏性
嵌入式特征选择L1
11
嵌入式特征选择（二）
树模型特征重要性（Random Fo…
嵌入式特征选择Random
12
特征选择综合对比
过滤式 · 包裹式 · 嵌入式方法的优缺点对比表
特征选择综合对比过滤式
13
模型验证基础
过拟合与欠拟合的识别 · 训练集/验证集/测试集的划分原则
模型验证基础过拟合
14
交叉验证（一）
K折交叉验证（K-Fold）的原理 · 分层K折（StratifiedKFo…
交叉验证K-Fold
15
交叉验证（二）
留一法（LOO） · 重复K折交叉验证（RepeatedK…
交叉验证LOO
16
模型评估指标（回归）
MSE · RMSE · MAE
模型评估指标回归
17
模型评估指标（分类）
准确率 · 精确率 · 召回率
模型评估指标分类
18
学习曲线与验证曲线
使用学习曲线诊断偏差/方差 · 使用验证曲线调整超参数
学习曲线验证曲线
19
超参数调优（一）
网格搜索（GridSearchCV）… · 参数网格设计 · 计算成本分析
超参数调优GridSearchCV
20
超参数调优（二）
随机搜索（RandomizedSea…
超参数调优RandomizedSe…
21
特征筛选与模型验证的集成
在交叉验证循环内进行特征选择（避免数…
特征筛选模型验证的集成
22
Pipeline构建
使用scikit-learn Pip… · 特征选择 · 模型训练串联成自动化工作流
Pipeline构建
23
实战案例一（回归）
波士顿房价数据集——完整流程
实战案例一回归
24
实战案例二（分类）
鸢尾花数据集——使用过滤式+包裹式组…
实战案例二分类
25
实战案例三（高维数据）
使用Lasso与树模型重要性对基因表…
实战案例三高维数据
26
特征稳定性分析
使用Bootstrap或多次交叉验证…
特征稳定性分析Bootstrap
27
特征筛选后的模型解释性
SHAP值与Partial Depe…
特征筛选后的模型…SHAP
28
常见陷阱与最佳实践
数据泄露 · 特征冗余 · 多重共线性
常见陷阱最佳实践
29
自动化特征筛选工具介绍
介绍Feature-engine · Boruta · MLxtend等第三方库的快速使用
自动化特征筛选工…Feature-engi…
30
课程总结与进阶路径
全流程知识图谱回顾 · 推荐进一步学习AutoML · 深度学习特征工程的方向
课程总结进阶路径