1.什么是特征工程:
是对原始数据进行一系列工程处理,将其提炼为特征,作为输入供算法和模型使用。从本质上来讲,特征工程是一个表示和展现数 据的过程。在实际工作中,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的问题与预测模型之间的关系。
特征工程有很多的方法,其中比较常见的有:
1.1 特征归一化
为了消除数据特征之间的量纲影响,我们需要对特征进行归一化处理,使得 不同指标之间具有可比性。
(
1
)线性函数归一化(
Min-Max Scaling
)。它对原始数据进行线性变换使结果映射到[0, 1]
的范围实现对原始数据的等比缩 放。
归一化公式如下
value = max-min/max
其中
X
为原始数据,
X
max
、
X
min
分别为数据最大值和最小值。
(
2
)零均值归一化(
Z-Score Normalization
)。它会将原始数据映射到均值为 0、标准差为
1
的分布上。具体来说,假设原始特征的均值为
μ
、标准差为
σ
,那么 归一化公式定义为:
value = x-
μ/σ
在实际应用中,通过梯度下降法求解的模 型通常是需要归一化的,包括线性回归、逻辑回归、支持向量机、神经网络等模型。但对于决策树模型则并不适用,以C4.5为例.