Applied Machine Learning: Feature Engineering
Applied Machine Learning: Feature Engineering
机器学习的流程
特征工程是什么
一项幕后工作,把数据整理干净;提取出机器学习模型可以理解的特征;
为什么特征工程重要
信息的质量只会随着使用而衰减。如果进入模型的是垃圾,出的也是垃圾;大部分模型的成功都是特征工程的成功。
更好的特征意味着更好的灵活性、更简单的模型(往往意味着更高的可解释性,可修正性)、和更好的结果。
特征工程工具
工具 | 内涵 |
---|---|
常识、专家建议 | 在实验之前就知道的重要影响特征,确保这些特征在你的模型里; |
(举例) | 以信用卡盗刷为例,在从未使用过的国家或时间段使用信用卡可能是盗刷的特征 |
特征筛选 | 去掉不相关的特征 |
(举例) | 以信用卡盗刷为例,持卡人生日等信息 |
清洗已有的特征 | 缺失值填充;剔除异常值;数据正规化;长尾数据调整 |
(举例) | |
拆分或组合特征 | 把日期数据拆成星期几;把狗狗和猫猫的数量合并为宠物的数量; |
分箱(Binning)
变量最优分箱
变量分箱是一种数据预处理手段。
变量分箱默认将数值型变量进行离散化操作,如果要执行分箱的是离散型变量,则可先转为数值型变量,再进行分箱。
变量分箱方法主要包括有监督分箱和无监督分箱。
我们为什么要分箱?
分箱可以将连续要素转换为分类要素,从而简化模型,如果有有非线性关系。则分箱可以帮助处理这些关系。还可以通过分箱减少噪声和异常值。另外,如果您的数据有些跳跃,则可以将其装箱以使其更简单。