特征工程（Feature Engineering)

特征工程（Feature Engineering)

一、特征工程的相关知识点

特征工程的定义

		将数据转换为能更好地表示潜在问题的特征，从而提高机器学习性能。

特征工程包含以下几个部分

• 1. 数据理解；
     目的：探索数据，了解数据，主要在EDA阶段完成。
     1. 定性数据：描述性质
        a) 定类： 按名称分类 —— 血型、城市
        b) 定序： 有序分类 —— 成绩
     2. 定量数据：描述数量
        a) 定距： 可以加减 —— 温度、日期
        b) 定比： 可以乘除 —— 价格、重要
        
• 2. 数据清洗；（最重要的)
     目的： 提高数据质量，降低算法用错误数据建模的风险。
     1. 特征变换： 模型无法处理或不合适处理
        a) 定性变量编码： Label Encoder; Onehot Encoder; Destribution coding;
        b) 标准化和归一化： z分数标准化（标准正态分布）、min-max归一化࿱