特征工程 特征处理

前言：本文介绍了特征处理中的特征缩放、选择和降维，并用代码演示特征缩放中的标准化法和区间缩放法。

特征缩放

特征值缩放：

特征值的缩放‐‐标准化法：

标准化法按照标准正态分布将一列上的值进行标准化，即为求z值，axis = 0 代表是轴的方向，取列方向上的值。

特征值的缩放‐‐区间缩放法：

特征值的归一化：

归一化即将一行特征的坐标转换成一个不含量纲(单位)的“单位向量”。

L1 和 L2 范式也会用于回归问题的正则化，L1范式的分母是向量各元素绝对值的和，可用于特征选择，L2范式的分母是向量各元素平方和的开方，可用于防止过拟合。

定量特征的二值化：

缺失特征值的弥补计算：

创建多项式特征：

基于线性的特征建立的模型不能探寻两个因子间是否存在交互关系，因而平方展开多项式，获取更多的特征，如：x1*x2 交互项特征构建模型，可以分析出两个因子的交互作用对目标的影响。

特征选择

特征选择：

数据预处理变换后 ，可以得到很多的特征，选择对于学习任务有帮助的特征，降低模型运行的时间和提升效率，例如：在处理文本内容时，当文本内容较多，会发生“维度灾难”；过多的维度会造成模型的可解释性变差。

特征选择方法1‐‐方差选择法：

特征选择方法2‐‐皮尔森相关系数法：

特征选择方法3‐‐基于森林的特征选择：

特征选择方法4‐‐递归特征消除法:

特征降维

线性判别分析法(LDA):

上面两张图将二维数据投影到一维的一条直线上，右图投影后红色和蓝色两类样本更为集中，且中心距更大。当然在实际应用中，我们的数据是多个类别的，我们的原始数据一般也是超过二维的，投影后的也一般不是直线，而是一个低维的超平面。

主成分分析法(PCA)：

主成成分分析将鸢尾花数据集中的四个特征转换为两个重要的特征，并可以将特征转换成二维的数据在平面上进行展示。

代码演示-量纲缩放

演示内容：量纲的特征缩放

两种方法：标准化缩放法和区间缩放法

每种方法有两个例子：简单二维矩阵和iris数据集

公众号回复：“量纲缩放” 获取代码

往期推荐

知识卡片 回归度量-MAE和RMSE

知识卡片 回归性能度量 Log Loss

知识卡片  一致性评价 r和k

机器学习入门案例：鸢尾花数据集分类 绘制PR曲线

知识卡片 特征工程

特征工程 文本处理

好文章，我 在看❤