七月算法机器学习笔记5 -- 特征工程

这套笔记是跟着七月算法四月机器学习班的学习而记录的，主要记一下我再学习机器学习的时候一些概念比较模糊的地方，具体课程参考七月算法官网：http://www.julyedu.com/

特征工程

特征 => 数据中抽取出来的对结果预测有用的信息
特征工程是使用专业背景知识和技巧处理数据,使得特征能在机器学习算法上发挥更好的作用的过程。

数据与特征处理

特征处理中不同类型的的特征的处理

• 数值型
  
  统计值
  

离散化：落在区段中为1，其余为0

柱状统计

• 类别型
  
  
  对于最后一个变量，即登陆口岸，由三个口岸，即开三个位置：【s,q,c】,则第一个数据的值为【1,0,0】
  要说明的是，离散化和one_hot编码是不一样的，离散化是对落在一个区段的数值标记1。是对数据的非线性处理
  
  bucket就是一个桶，假如我们把John likes to作为一个词集，那么，这个词集在文档1中都有出现，在doc2中出现了两个词，doc3中出现了一次，就构成了bucket1.
  
  根据目标，将特征用统计的方法表示，比如，上图定义男性：【由1/3的男性喜欢散步，2/3的喜欢足球，没有人喜欢看电视

• 日期型
  

• 文本型
  
  

• 统计型
  

特征处理示例：

• 组合特征：
  

特征选择

过滤型方式简单粗暴

参考资料：
七月算法：机器学习四月班：http://www.julyedu.com/
图片来自于课程PPT