《百面机器学习》第零问：什么是特征工程？什么是结构化数据？什么是非结构化数据？

1. 特征工程

• 特征工程师对原始数据进行一系列的工程处理，作为输入供算法和模型使用。
  举例：想让机器识别这个图片是不是苹果，可以选择 形状，颜色分布，边等作为特征
  
• 从本质上讲，特征工程是一个表示和展现数据的过程。
• 实际中，特征工程旨在去除原始数据中的杂质和冗余，设计更高效的特征以刻画求解问题与预测模型之间的关系

1.1 特征工程的目的

• 去掉数据中的杂质

• 构造更高级的高效的特征来描述数据。

1.2 怎么做特征工程？

特征工程一般包括三个子模块：特征构建->特征提取->特征选择

1.2.1 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。

1.2.2 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。

1.2.2.1特征提取常用方法

PCA (Principal component analysis，主成分分析)
ICA (Independent component analysis，独立成分分析)