Python特征生成的两大方式

 

创造新的特征是一件十分困难的事情，需要丰富的专业知识和大量的时间。机器学习应用的本质基本上就是特征工程。

                                                                                                                                                                                ——Andrew Ng

业内常说数据决定了模型效果上限，而机器学习算法是通过数据特征做出预测的，好的特征可以显著地提升模型效果。这意味着通过特征生成（即从数据设计加工出模型可用特征），是特征工程相当关键的一步。 本文从特征生成作用、特征生成的方法（人工设计、自动化特征生成）展开阐述并附上代码。

1 特征生成的作用

特征生成是特征提取中的重要一步，作用在于：

• 增加特征的表达能力，提升模型效果；(如体重除以身高就是表达健康情况的重要特征，而单纯看身高或体重对健康情况表达就有限。)
• 可以融入业务上的理解设计特征，增加模型的可解释性；

---

很多人学习python，不知道从何学起。
很多人学习python，掌握了基本语法过后，不知道在哪里寻找案例上手。
很多已经做案例的人，却不知道如何去学习更加高深的知识。
那么针对这三类人，我给大家提供一个好的学习平台，免费领取视频教程，电子书籍，以及课程的源代码！
QQ群：609616831

---

2 数据情况分析

本文示例的数据集是客户的资金变动情况，如下数据字典：

cust_no：客户编号；I1 :性别；I2：年龄 ；E1：开户日期；  
B6 ：近期转账日期；C1 (后缀_fir表示上个月)：存款；C2：存款产品数； 
X1：理财存款； X2：结构性存款；  label：资金情况上升下降情况。

 这里安利一个超实用Python库，可以一键数据分析（数据概况、缺失、相关性、异常值等等），方便结合数据分析报告做特征生成。