目录
前言
在商业数据的分析挖掘当中，最常用的数据是结构化数据，其呈现为二维表的结构，数据可以用装载到二维数组当中，其中的每个数可以使用行与列进行索引。结构化数据中的每一行称为记录，也可称为样本或实例（视不同的学科而定），每一列则被称为字段，也可称为变量或特征（同样视学科领域而定），其中“特征（Feature）”这一叫法在机器学习及模式识别当中被广泛使用，在应用当中只要不引起歧义，可以不区分它们的叫法。
特征（feature）是一个被观察到的现象的可测量的属性，结构化数据中，特征通常以列的形式出现，用于描述记录在某些方面的属性；非结构化数据同样如此，例如对于一个文档，短语或单词的计数就可以是其一个特征。
特征是模型的输入，而不同的模型对输入有不同的要求。正因如此，原始数据往往需要通过一定的处理和转换才能在模型中使用，而为了提升模型的表现，又需要对所有可用的特征进行一定的筛选，既保证重要的特征进入模型，又要保证不会选择过多的特征。所有这些在建模前对数据进行处理、转换、筛选的工作被称为特征工程（Feature Engineering），其本质上是对原始数据的再加工，目的是产生进入模型的特征。“特征工程”这一名称在机器学习与模式识别领域被大量使用，在数据挖掘标准流程CRISP-DM当中，“数据准备”（Data Preparation）具有与特征工程相同的作用和类似的方法，因此在应用当中，无需严格区分，本章当中使用“特征工程”这一名称。
特征工程分为数据预处理（Data Preprocessin
订阅专栏 解锁全文
扫一扫
753
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
