learning notes

目录1 特征工程定义2 特征工程流程步骤2.1 数据获取2.2 特征理解2.3 特征改进数据清洗数据编码2.4 特征构造2.5 特征选择2.6 特征转换2.7 特征学习数据项目中数据遵循“Garbage In, Garbage Out”, 数据和特征决定模型的上限，算法只是趋于这个上限。用不好的数据进行分析会产生不好或无用的结论。项目过程中70%的时间花在特征工程上。1 特征工程定义特征工程（Feature Engineering）是将原始数据转化成.

1. 确定评估标准，如Accuracy, Precision, Recall, running time等。评估标准将用于评估training set, test set 和 validation set。2. 数据预处理（特征工程），数据清洗，数据补全，维度变换，提取有用特征，等。3. 分割Train/test/validation(hold out) set， 对多个分布的数据，每个分布均提取train/test/validation set，保证train/test/validation se

​​​​​​​