零基础入门数据挖掘 - 二手车交易价格预测 数据的特征工程

特征工程(Feature Engineering)：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。

1、数据理解；2、数据清洗；3、特征构造；4、特征选择；5、类别不平衡。

数据理解的主要目的:1、定序数据：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(A B C)。

                                 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、重量。

数据清洗的主要目的:提高数量质量，降低算法用错误数据建模的风险

特征构造 目的:增强数据表达，添加先验知识。

     

特征选择:目的：平衡预测能力和计算复杂度:降低噪声，增强模型的预测能力。

类别不平衡 缺点：少类别提供信息太少，没有学会如何判别少数类。

特征构造：1、训练集和测试集放在一起，方便构造特征。 2、不过要注意，数据里有时间出错的格式，所以我们需要errors=‘coerce’ 3、从邮编中提取城市信息，所以参考德国的邮编，相当于加入先验知识。4、计算某品牌的销售统计量，还可以计算其他特征的统计量。