特征工程中的常用操作

1.数值型数据

• 幅度缩放（最大最小值缩放，归一化…）
• 离散化／分箱分桶（等距：pd.cut，等频：pd.qcut）（特征交叉）
• 统计值（Max，min,quentile）
• 四则运算（加减乘除）
• 幅度变化（有一些模型对输入数据有分布建设，LR建设输入连续值特征符合正太分布）
• 监督学习分箱（用决策树建模，用决策树学习连续值划分方式，把决策树中间节点取出来作为特征组合）

2.类别型

• OneHot-encoding
• label-encoding
• binary-encoding
• category-encoding

3.时间型

• 时间点／时间段（星期几，几点钟）
• 时间分组／分段（工作日，周末，法定节假日）
• 时间间隔（距离当前为止）
• 和数值型一起做统计特征的时候，会选取不同的时间窗
• 组合

4.文本型

• 词袋模型
• tf-idf
• ida
• word2vec/word embedding

PS :本文来自七月在线作业答案