特征工程是什么?
有这么一句话在业界广泛流传:数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢?顾名思义,其本质是一项工程活动,目的是最大限度地从原始数据中提取特征以供算法和模型使用。
特征工程包括:
①数据预处理:无量纲化(归一化、标准化),二值化,特征编码,缺失值处理,数据变换,等
②特征选择:filter(过滤方差小的特征,剔除样本和标签相关性小的特征),wrapper(通过目标函数决定是否加入一个特征:递归特征消除法),embedded(学习器自动学习选择特征:基于正则惩罚项(保留相关性强的样本的一个)、基于树模型特征选择如GBDT+LR、神经网络)
③降维,PCA/LDA
④数据清洗(异常样本清洗,采样(数据不均衡,过采样、欠采样、重采样SMOTE))