本文探讨了在机器学习项目中如何寻找特征，指出人工特征工程仍然是主流，尤其是在缺乏足够训练数据的场景。作者分享了金融领域的实例，如支付流水、财富管理、贷款信息等数据源，说明如何通过特征计算方法来辅助风控和客户画像。同时，提到了运营商信息和电商流水等数据在业务中的应用，并举例展示了如何构造复杂特征以计算用户年收入和信用等级。
作者介绍：蔡主希，目前就职于京东金融-金融科技业务部，哥大统计数据狗，京东金融算法工程狮，可代码可软文的非典型理科男一枚，知乎号： @JovialCai，数据森麟公众号（ID:shujusenlin）特邀作者
本文首发于知乎（作者：京东金融）链接：https://www.zhihu.com/question/41659582/answer/434804910
找特征这件事，Andrew Ng在深度学习网课中提到过，原课件见第3课结构化机器学习项目中的2.9和2.10两节，笔记整理如下：
<img src="https://pic2.zhimg.com/v2-c23def3546dbce6c831a39881408e6bd_b.png" data-caption="" data-size="normal" data-rawwidth="758" data-rawheight="262" class&
最低0.47元/天 解锁文章
扫一扫
533
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
