特征选择-处理缺失值-处理不平衡的数据-处理异常值-分档-编码-特征缩放

特征工程的主要目标是从算法中获得最好的结果，今天小普从以下7个步骤，让大家了解机器学习算法特征工程的分步过程，如果你觉得有帮助的话，记得给小普点赞支持一下吧，小普又充满了动力~

1. 特征选择
2. 处理缺失值
3. 处理不平衡的数据
4. 处理异常值
5. 分档
6. 编码
7. 特征缩放

1.特征选择

特征选择是对所需的独立特征的选择。选择与依赖特征有更多关系的独立特征将有助于建立一个好的模型。一般做好特征选择有以下几种方法：

2.1 与热图的相关矩阵

热图是 2D（二维）数据的图形表示。每个数据值表示在一个矩阵中。

我们首先，绘制所有独立特征和依赖特征之间的配对图。它将给出依赖和独立特征之间的关系。独立特征和依赖特征之间的关系小于 0.2 则选择该独立特征来构建模型。

2.2 单变量选择

在这种情况下，可以使用统计测试来选择与依赖特征具有最强关系的独立特征。SelectKBest方法可以与一套不同的统计测试一起使用，以选择特定数量的特征。