关于机器学习中的特征共程

在机器学习的模型训练中，特征工程是非常重要的环节，虽然很多机器学习的相关书籍都把重要的篇幅放在了算法上，但是在实际的应用中，特征工程是非常重要的环节，甚至可以说是决定模型结果的关键。关于特征工程有一下几个问题需要搞清楚：1，为什么要进行特征工程 2，进行特征工程的方法有哪些。
1，为什么要进行特征工程
以非常经典的房价预测为例，影响房价的因素有很多，原始的数据集大约有几十个特征，那么我们这些特征我们都需要吗，可能有些因素与最终的房价相关度并不高，也有可能有的特征直接有冗余，这时就需要我们去掉一些特征。也有可能需要我们去根据现有特征去创造新的特征，面对不同的问题会有不同的解决方案，不可一概而论。
特征工程可以说实在寻找一种好的数据表示，初学者可能会有疑问，如果不进项特征工程会怎样，加入把原始的特征全部放到模型中，那么可能有些特征与最终的标签无关，或者关联很小，这样会使训练出来的模型过拟合，也就是特征太多，模型太复杂，这样训练出来的模型往往在训练集上表现很好，但是在测试集中往往表现不佳。这和数据中有大量异常值类似