Tag Archives: 特征工程

Python随机森林、梯度提升树与逻辑回归融合多阶段特征工程实现信贷违约风险预测|附AI智能体、代码和数据

By tecdat7月 3, 2026Python辅导, 大数据部落, 技术支持, 数理统计, 计算机科学CS辅导, 计算机科学与技术AI-agent, AI智能体, Code, credit-default, Data, feature-engineering, Fusion, GBDT, gradient-boosting-tree, logistic-regression, LR, multi-stage, multi-stage-feature-engineering, python, random-forest, RF, risk-prediction, 代码, 信贷违约, 多阶段, 多阶段特征工程, 数据, 梯度提升树, 特征工程, 融合, 逻辑回归, 随机森林, 风险预测

本文围绕互联网金融信贷场景，系统探索了基于多模型融合的贷款违约风险预测方案。回答的核心议题包括：(1) 在缺失率超40%的大规模信贷数据中，如何设计一套稳健的预处理管线；(2) 如何通过皮尔森相关系数与随机森林特征重要性双重筛选机制，从47维特征中锁定对违约判别最关键的变量；(3) 对比仅清洗

大语言模型LLM的特征工程：从语义嵌入到多模态特征融合的技术实践 | 附数据代码

By tecdat5月 14, 2026AI人工智能辅导, 人工智能, 大数据部落, 技术支持, 计算机科学CS辅导Embedding, Engineering, Feature, Fusion, LLM, Multimodal, Practice, Semantic, Technology, 多模态, 大语言模型, 实践, 技术, 特征工程, 融合, 语义嵌入

传统特征工程依赖手工规则与领域知识，在处理非结构化文本数据时，常难以捕捉深层语义。

Python房价数据预测：StackingCVRegressor集成学习、Lasso、ElasticNet、XGBoost、LightGBM模型与特征工程可视化

By tecdat9月 4, 2025Python辅导, 大数据部落, 技术支持, 数理统计, 期刊论文发表投稿, 计算机科学CS辅导, 计算机科学与技术ElasticNet, LASSO, LightGBM, xgboost, 房价, 特征工程, 集成学习

从数据科学视角看，房地产房价预测绝非简单的数值推算，而是对 “业务场景 – 数据质量 – 模型适配” 三者协同的系统性考验。

R语言使用特征工程泰坦尼克号数据分析应用案例

By tecdat8月 2, 2019大数据部落, 数理统计, 计算机科学与技术R语言, 特征工程

R语言使用特征工程泰坦尼克号数据分析应用案例

拓端AI助手