摘要：在时间序列预测问题中，“滑窗法（Sliding Window）重构训练集” 是一种将连续时间序列数据转换为结构化训练样本的核心方法，其本质是通过 “滑动窗口” 提取历史数据与未来预测目标的对应关系，让模型能够学习时间序列的局部依赖和模式。以下从概念、原理、实例和作用四个方面详细解释： 一、核心概念： 阅读全文

摘要：场景说明：例如我们在处理游戏数据的时候，经常会有“队伍ID”，“每局游戏ID”等等这些“分组ID”特征，这些ID有两个特点： 存在大量重复 字符串类型（object类型），长度一般很长（比较占内存） 下面以《绝地求生》游戏数据为例，讲解分组ID数据的处理办法： # 导入数据基本处理阶段需要用到的ap 阅读全文

摘要：降维 1.1 定义 降维是指在某些限定条件下，降低随机变量(特征)个数，得到⼀组“不相关”主变量的过程 降低随机变量的个数 相关特征(correlated feature) 相对湿度与降⾬量之间的相关 等等 正是因为在进⾏训练的时候，我们都是使⽤特征进⾏学习。如果特征本身存在问题或者特征之间相关性较 阅读全文

摘要：类别不平衡数据集基本介绍 其实，在现实环境中，采集的数据（建模样本）往往是⽐例失衡的。⽐如⽹贷数据，逾期⼈数的⽐例是极低的（千分之⼏的⽐例）；奢侈品消费⼈群鉴定等。 创造数据不均衡数据集 sklearn.datasets.make_classification() 是 scikit-learn 中用 阅读全文

摘要：重复值处理 预处理的前两步就是检查缺失值和重复值。如果希望检查准备的数据中是否存在重复的数据，则可以通过 Pandas中的 duplicated()方法完成。 接下来，通过 duplicated()方法对数据进行检测，只要有重复的数据就会映射为True，（由于数据量相对较多，所以在 Jupyter 阅读全文