良好的开端是成功的一半，好多特征工程可以促使模型得到更高的精度。
实际生产过程中的数据不全是干净的，大部分都是dirty的。需要我们做数据填充
时间格式处理
异常值处理
数据分箱
Filter特征选择
详细解决方案
相关解决方案
- Task3 (python基础）
- Datawhale 深度学习task03 ---梯度下降（P5-P8）
- Datawhale 深度学习task02 --- 回归
- Datawhale 深度学习task01 ---机器学习简介
- Datawhale -数据挖掘 - task2:特征衍生+特征挑选
- Datawhale -数据挖掘 - task 1 : 数据探索与分析
- datawhale 学习笔记——模型融合入门
- datawhale 学习笔记——建模调参入门
- datawhale 学习笔记——特征工程入门
- datawhale 学习笔记——数据分析入门
- Task3 Task4 Task5
- 零基础入门金融风控 Task3 特征工程处理
- datawhale-异常检测打卡之Task 5：?维数据异常检测
- datawhale-异常检测打卡之Task 4：基于相似度方法
- datawhale-异常检测打卡之Task 3：线性模型
- datawhale-异常检测打卡之Task 2：基于统计学
- datawhale-异常检测打卡之Task 1:异常检测介绍
- datawhale-sql打卡之Task 6:综合练习
- datawhale-sql打卡之Task 5:SQL高级处理
- datawhale-sql打卡之Task 4:集合运算
- datawhale-sql打卡之Task 3:复杂一点的查询
- datawhale-sql打卡之Task 2:基础查询与排序
- datawhale-sql打卡之Task 1:初识数据库
- DataWhale | WisdomOcean项目 | 数据分析 | 学习笔记（二）
- DataWhale | WisdomOcean项目 | Python 地理空间数据处理 | 学习笔记（一）
- Go - Task3 - 变量, 常量, 枚举
- task3:二手车价格预测的建模与调参-学习笔记
- 【DataWhale】14dayPythonTask1
- Datawhale NLP task1赛题理解
- Datawhale Python入门课 task1