特征工程步骤

特征是数据中抽取出来的对结果预测有用的信息，可以是文本或者数据。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。过程包含了特征提取，特征构建，特征选择等模块。

特征工程的目的是筛选出更好的特征，获取更好的训练数据。因为好的特征具有更强的灵活性，可以用简单的模型做训练，更可以得到优秀的结果“工欲善其事，必先利其器”，特征工程可以理解为利其器的过程。

特征工程是个过程，包括三个子模块：特征构建- >特征提取 - >特征选择

特征构建：根据原始数据构建新的特征，需要找出一些具有物理意义的特征。
特征提取：自动地构建新的特征，将原始特征转换为一组具有明显物理意义或者统计意义或核的特征。例如Gabor，几何特征，纹理等。
特征选择：从特征 集合中挑选一组最具统计意义的特征子集，把无关的特征删掉，从而达到降维的效果