论特征的重要性

特征工程有多重要，可以引用一句话来表达：“数据和特征决定了模型的上限，算法只是在帮忙逼近这个上限。”好的特征是决定一个模型准确率的关键，那问题来了？什么是特征呢，特征就是数据对于结果的一种描述。比如我们形容一个人是否漂亮，那她的眼睛大小、鼻子的形状、脸型都是特征。通常，当获得一份结构化数据的时候，如果这份数据里存在目标列，那么除了目标列每个字段都可以看做是特征，特征工程要做的事情是找到对结果影响最大的特征。

 

了解了特征的重要性，我们就可以开启这一系列文章的分享了，不过在此之前，有几个概念需要再明确下。特征分哪几种呢？

1. 显性特征：可以理解为用户直接可以拿到的数据字段

2. 半隐性特征：用户数据在通过GBDT等算法的计算过程中产出的一些特征

3. 隐性特征：深度学习在很大程度上可以简化人肉特征工程的工作量，因为深度学习可以在计算过程中自动生成一些特征向量，这些特征的表达往往是不可解释的，那这些特征就是隐性特征。

转自：https://mp.weixin.qq.com/s?__biz=MzA4MDI0NDQyOQ%3D%3D&mid=2447500052&idx=1&sn=07cbbec81ab27f671567794ad4b1ef32&scene=45#wechat_redirect