机器学习03-特征工程（一）--＞特征抽取

1.1 特征工程

1.1.1 意义及内容

“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已”——吴恩达

特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程，在很大程度上影响着机器学习的效果

包括了：

• 特征抽取
• 特征预处理
• 特征降维

1.1.2 特征工程的位置与数据处理的比较

• pandas:数据清洗、数据处理
• sklearn:特征工程

1.2 特征抽取

1.2.1 内容

将任意数据（包括文本或图像）转换为可用于机器学习的数字特征，以便于计算机更好地理解数据

包括：

• 字典特征提取（特征离散化）
• 文本特征提取
• 图像特征提取（深度学习介绍）

1.2.2 特征提取API

sklearn.feature_extraction

1.3 字典特征提取

1.3.1 目的

对字典数据进行特征值化

1.3.2 方法

• sklearn.feature_extraction.DictVectorizer(sparse=True,...)
  • DictVectorizer.fit_transform(X) X:字典或者包含字典的迭代器（本例中是包含了字典的列表）返回值，返回sparse矩阵（稀疏矩阵）
  • DictVectorizer.inverse_transform(X)X:array数组或者sparse矩阵 返回值：转换之前数据格式
  • DictVectorizer.get_feature_names() 返回特征名称（表头）
    • 例如：有一个有三个样本两个特征的字典

[{
   'child':'小红',