本文介绍了【ML之FE：特征工程中常用的一些处理手段(缺失值填充、异常值检测等)及其对应的底层代码的实现】相关内容，与您搜索的特征工程相关，助力开发者获取技术信息和云计算技术生态圈动态...请点击查阅更多详情。

查看更多 →

本文介绍了【ML之FE：数据处理—特征工程之高维组合特征的处理案例(矩阵分解)——基于LoR算法的广告点击预估问题】相关内容，与您搜索的特征工程相关，助力开发者获取技术信息和云计算技术生态圈动态...请点击查阅更多详情。

查看更多 →

本文介绍了【【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）】相关内容，与您搜索的特征工程相关，助力开发者获取技术信息和云计算技术生态圈动态...请点击查阅更多详情。

查看更多 →

本文介绍了【【学习赛2021-硬盘异常检测】【总结分享】特征工程 Filter(1) 唯一值 华为网络AI学习赛2021-硬盘异常检测】相关内容，与您搜索的特征工程相关。邀你共享云计算使用和开发经验，汇聚云上智慧，共赢智慧未来...更多详情请点击查阅。

查看更多 →

本文介绍了【【学习赛2021-硬盘异常检测】【总结分享】特征工程 Filter(3) 相关系数 华为网络AI学习赛2021-硬盘异常检测】相关内容，与您搜索的特征工程相关。邀你共享云计算使用和开发经验，汇聚云上智慧，共赢智慧未来...更多详情请点击查阅。

查看更多 →

本文介绍了【特征工程系列之降维：用PCA压缩数据】相关内容，与您搜索的特征工程相关，助力开发者获取技术信息和云计算技术生态圈动态...请点击查阅更多详情。

查看更多 →

特征工程任务创建的时间 任务用时 特征工程任务的执行时长 任务状态 特征工程任务的执行状态 查看特征工程任务的超参配置 查看特征工程任务的运行日志 删除特征工程任务 基于特征工程服务创建特征工程任务，请参见创建特征工程任务。 删除特征工程服务。 用户也可以在特征工程服务页面，单击右上角的“创建”，基于其他特征工程新建特征工程服务。

查看更多 →

本文介绍了【ML之FE：对爬取的某平台二手房数据进行数据分析以及特征工程处理】相关内容，与您搜索的特征工程相关，助力开发者获取技术信息和云计算技术生态圈动态...请点击查阅更多详情。

查看更多 →

如何选中全量特征列？ 使用Python和Spark开发平台创建的特征工程，在特征操作界面，单击表格左上方第一个带有倒三角标识的单元格即可。 使用JupyterLab开发平台创建的特征工程，在JupyterLab环境编辑区域分别运行“Import sdk”和“加载数据”代码框。运行

查看更多 →

本文介绍了【ML之FE：特征工程处理中常用的数据变换(log取对数变换等)之详细攻略】相关内容，与您搜索的特征工程相关，助力开发者获取技术信息和云计算技术生态圈动态...请点击查阅更多详情。

查看更多 →

符、标题行。 ：删除数据。 ：对数据执行已有特征工程的操作流，并生成新的数据。特征工程操作请参见特征工程。特征工程处理过的数据，不能再用相同的特征工程进行二次处理。 ：使用当前数据创建新的特征工程。创建特征工程的方法请参见创建特征工程。 ：跳转至“模型训练”页面。模型训练操作请参见模型训练。

查看更多 →

，对应模型管理章节截图更新。 Jupyterlab算子菜单位置及算子分组变更，对应特征工程章节菜单入口描述变更。 Jupyterlab特征工程选择数据增加时序数据选择，并支持多数据选择，对应特征工程章节操作截图全量更新。 2020-03-30 模型训练服务界面优化，模型训练服务操作界面截图全量更新。

查看更多 →

JupyterLab开发平台 创建特征工程 数据处理 模型训练 迁移学习 学件 模型归档 如何恢复异常的JupyterLab环境 父主题： 特征工程

查看更多 →

样例数据导入模型训练服务 在项目概览界面，单击菜单栏中的“特征工程”，进入“特征工程”界面。 单击界面右上角的“特征处理”，弹出“特征处理”对话框。 请根据实际情况，配置如下参数： 工程名称：特征工程名称。 开发模式：请选择“Jupyterlab交互式开发”。 规格：选择Jupyterlab环境部署的容器规格大小。

查看更多 →

样例数据导入模型训练服务 在项目概览界面，单击菜单栏中的“特征工程”，进入“特征工程”界面。 单击界面右上角的“特征处理”，弹出“特征处理”对话框。 请根据实际情况，配置如下参数： 工程名称：特征工程名称。 开发模式：请选择“Jupyterlab交互式开发”。 规格：选择Jupyterlab环境部署的容器规格大小。

查看更多 →

Python和Spark开发平台 创建特征工程 数据采样 列筛选 数据准备 特征操作 Notebook开发 全量数据应用 发布服务 父主题： 特征工程

查看更多 →

特征处理操作完成后怎么应用于数据集全量数据？ 使用Python和Spark开发平台创建的特征工程，界面所有特征操作执行完成后，单击“执行”时，系统自动将特征操作流应用于数据集全量数据，生成经过特征处理的数据集，供模型训练使用。用户在单击“执行”时，可以在“执行”对话框中，选择其他

查看更多 →

小于：保留或丢弃小于指定值的样本数据行。 等于：保留或丢弃等于指定值的样本数据行。 单击“确定”，执行数据过滤。 数据联合 特征工程数据联合的原理与数据集中数据联合的原理相同。具体请参见数据联合。特征工程以当前打开的特征工程的数据集实例为左表，“数据联合”对话框中数据集的数据为右表。 数据联合操作步骤如下。 单击

查看更多 →

本文档以硬盘故障检测的模型训练为例，介绍模型训练服务使用的全流程，包括数据集、特征工程、模型训练、模型管理和模型验证，使开发者快速熟悉模型训练服务。 操作流程 前提条件 订购模型训练服务 访问模型训练服务 创建项目 数据集 特征工程 模型训练 模型管理 模型验证 云端推理 父主题： 快速入门

查看更多 →

数据质量是用户在进行离线计算之前使用原始初始格式数据或者通用格式数据检测输入数据是否合法。 数据质量 特征工程 特征工程常用于抽取用户、物品的特征和特定算法的特征生成，一般作为某些算法的前置输入条件。 特征工程 召回策略 召回策略用于生成推荐的候选集，在原始数据中通过算法和规则匹配用户的候选集。

查看更多 →

AutoML的使用入口有哪些？ 包含如下入口： 在“特征工程”菜单界面，创建JupyterLab特征工程。 在JupyterLab环境编辑界面，单击右上角的图标，选择“模型训练 > 模型训练 > AutoML”，新增AutoML内容，实现零编码使用AutoML。 在“模型训练”菜单界面，创建WebIDE模型训练工程。

查看更多 →