任务说明
特征衍生
特征挑选:分别用IV值和随机森林等进行特征选择
……以及你能想到特征工程处理
特征衍生
特征衍生:利用个人(专家)经验来提取出数据里对结果影响更大的特征,往往是原有数据特征字段通过加减乘除等操作生成新的字段,这些字段在结合一些线性算法做训练的时候往往能起到提升模型效果的作用。举例,用户点外卖,同一家店A,统计一个星期内用户在这家店的购买次数,甚至统计一个月时间范围内,这样的时间周期特征就可以被认为是衍生特征。具体是怎么来的呢?拍脑袋想出来的,有些是具有统计含义的,有些就靠自己摸索,所以一开始就说是经验得来的,你要说有技巧没有,那就是多参加比赛,看看别人怎么提取特征,多自己动手探索,
import pandas as pd
import numpy as np
dataPath = "D:\\Data\\dataAnalyse\\"
dataFile = "data.csv"
data = pd.read_csv(dataPath+dataFile,encoding='gbk')
label = data.columns
print('特征名=',label)
结果:
特征名= Index(['Unnamed: 0', 'custid', 'trade_no', 'bank_card_no',
'low_volume_percent', 'middle_volume_percent',
'take_amount_in_later_12_month_highest',
'trans_amount_increase_rate_lately', 'trans_activity_month',
'trans_activity_day', 'transd_mcc', 'trans_days_interval_filter',
'trans_days_interval', 'regional_mobility', 'student_feature',