这篇博客详细介绍了金融风控项目中的特征工程，包括数据填充、对象转数值型、异常值处理、数据分箱、特征交互、特征编码和特征选择等步骤。作者分享了在学习过程中的理解和遇到的挑战，提供了项目链接供读者深入研究。
写在前面：上一篇博客写了这个项目的Task2——即EDA，今天继续介绍Task3——特征工程。T3开始看着有点吃力了，因为python 的基础太差了，我很担心我能不能坚持完T4(TT)。不过在这个学习过程中，我的方法基本是理解任务目的，看代码，查函数，然后验证逻辑。其实如果时间更充裕的话可以自己半默写一下代码，下面还是结合教程具体记录下我的小小收获吧。（由于主要是理解为主，所以本博文还是要结合教程一起看，才比较有收获吧。）
直接附上整个项目链接吧：https://github.com/datawhalechina/team-learning-data-mining/tree/master/FinancialRiskControl
************************************************我是分界**************************************************************************************
Task3:特征工程
内容：这个过程是在EDA后对数据有了一定的了解，然后进行数据预处理、特征交互、编码与选择等操作，可以分为7个部分。
第一部分：数据填充
此部分别叫简单，就是对EDA过程中的缺失值进行处理，主要用fillna这个函数进行填充，并且可以选择median(均值填充)和mode(众数填充)的方法。</
最低0.47元/天 解锁文章
404
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
