本文介绍了Python特征工程的重要性和内容，包括特征工程对于模型性能的影响，数据处理的三个方面：量纲不一、虚拟变量和缺失值处理，以及特征选择和维度压缩的方法。详细案例链接提供了更多实践操作。
目录
特征工程（Feature Engineering）
其本质上是一项工程活动，他目的是最大限度地从原始数据中提取特征以供算法和模型使用
1 特征工程重要性
01 特征越好，灵活性越强
（允许选择不复杂的模型，运行速度快，可以更好的理解和维护）
02 特征越好，模型越简单
（不需要花费太多的时间去寻找最优参数解，大大降低了模型的复杂度）
03 特征越好，性能越出色（最终的目的）
（包括模型的效果、执行的效率、模型的可解释性）
2 特征工程内容包括
数据处理
特征选择
维度压缩
3 数据处理
数据处理：量纲不一、虚拟变量、缺失值填充
详细案例见：https://blog.youkuaiyun.com/qq_36327687/article/details/84993729
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
