VIP20

本课程属于：091-量化研究员 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

机器学习特征工程与模型选型

📚 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

特征工程导论

什么是特征工程 · 在机器学习中的位置 · 核心流程与思维框架

思维框架定位

数据清洗实战

缺失值处理（删除/均值/中位数/众数/模型预测）· 异常值检测（3σ、IQR、DBSCAN）

缺失值异常检测

特征编码技术

标签编码 · 独热编码 · 目标编码 · WOE编码

类别特征WOE

数值特征处理

Z-score标准化 · Min-Max归一化 · RobustScaler · 非线性变换（Log、Box-Cox、Yeo-Johnson）

缩放正态化

特征离散化

等宽分箱 · 等频分箱 · 聚类分箱 · 决策树分箱 · 卡方分箱

分箱离散化

特征交叉与组合

多项式特征 · 笛卡尔积交叉 · 业务组合特征 · FM与FFM思想

时间特征工程

时间戳分解 · 滑动窗口统计 · 时间差特征 · 周期性编码

文本特征工程

词袋模型 · TF-IDF · N-gram · Word2Vec/GloVe基础

图像特征工程

像素特征 · 颜色直方图 · HOG · SIFT简述 · 深度学习特征提取思路

特征选择（上）

过滤法（方差阈值、相关系数、卡方、互信息）· 包裹法（RFE）

特征选择（下）

嵌入法（L1正则化、树模型重要性）· 特征选择Pipeline实战

嵌入法Pipeline

PCA · LDA · t-SNE与UMAP可视化 · SVD

降维可视化

特征构建实战

基于业务场景（电商/金融/广告）· 自动化工具Featuretools

业务自动化

特征存储与管理

Feature Store概念 · Feast框架入门 · 特征版本控制

模型选型导论

选型重要性 · 偏差-方差权衡 · 复杂度与泛化能力

选型偏差方差

线性模型家族

线性回归 · 逻辑回归 · 岭回归 · Lasso · ElasticNet

线性正则化

树模型家族（上）

决策树（ID3/C4.5/CART）· 随机森林 · Extra Trees

决策树随机森林

树模型家族（下）

GBDT · XGBoost · LightGBM · CatBoost

BoostingXGBoost

支持向量机

线性SVM · 核技巧（RBF/多项式）· SVR · 优缺点与适用场景

贝叶斯模型

朴素贝叶斯（高斯/多项式/伯努利）· 贝叶斯网络简介

贝叶斯概率

K近邻与基于实例的学习

KNN分类与回归 · KD树与球树 · 优缺点

神经网络基础

感知机 · MLP · 激活函数 · 损失函数 · 反向传播

深度学习MLP

集成学习方法

Bagging · Boosting · Stacking · Voting · Blending

K-Means · DBSCAN · 层次聚类 · GMM · 聚类评估指标

无监督聚类

模型评估与验证

交叉验证（K-Fold/Stratified）· 评估指标（准确率/精确率/召回率/F1/AUC-ROC/RMSE/MAE）

评估交叉验证

超参数调优

网格搜索 · 随机搜索 · 贝叶斯优化（Optuna/Hyperopt）

模型解释性

SHAP值 · LIME · 特征重要性 · PDP · ICE曲线

可解释性SHAP

模型部署与监控

模型序列化（Pickle/ONNX）· Flask/FastAPI部署 · 数据漂移与概念漂移

AutoML与自动化

AutoML概念 · TPOT · AutoGluon · H2O AutoML · 适用场景

综合实战项目

端到端项目（数据探索→模型部署）· 特征工程与模型选型全流程

实战全流程