自动化特征工程(AutoFE) 2025/08/05 llm_learning 1 分钟阅读 综述笔记数据挖掘 特征工程(FE)的数学表达 特征工程的数学表达为: C(T,X)=[ti1(ti2(⋯(X))),tj1(tj2(⋯(X))),⋯ ]→[C∗,T∗]=arg maxC,TRm(C(T,X))X:原始数据集T:特征生成算子集C:特征选择算子集\begin{aligned} & C(T,X)=[t_{i1}(t_{i2}(\cdots(X))),t_{j1}(t_{j2}(\cdots(X))),\cdots] \to [C^{*},T^{*}]=\argmax\limits_{C,T} R_{m}(C(T,X)) \\ & X:原始数据集 \quad T:特征生成算子集 \quad C:特征选择算子集 \end{aligned}C(T,X)=[ti1(ti2(⋯(X))),tj1(tj2(⋯(X))),⋯]→[C∗,T∗]=C,TargmaxRm(C(T,X))X:原始数据集T:特征生成算子集C:特征选择算子集 关联路线图节点 暂无关联路线图节点 关联成果 暂无关联成果 相关文章 讨论:从《DeepSeek-R1 通过强化学习激励LLM中的推理》开始 2025/09/23 机器学习与算法交易(五): 无监督学习及相关技术应用 2025/08/18 机器学习与算法交易(六): 深度学习技术及其在算法交易的应用 2025/08/18 因子专题:Alpha因子分析 2025/08/18 上一篇 / 下一篇 ← 前端开发整理(一): 前端工程化及准备 机器学习与算法交易(一): 发展历史与数据 →