百面机器学习-特征工程总结（完善中...）

一、什么是特征工程
最大限度从数据中提取特征供算法和模型使用。

二、为什么要特征工程
数据和特征决定了机器学习的上界，而模型和算法只是不断逼近这个上界。

三、怎样做特征工程
数据预处理：
1. 无量纲化
2. 标准化
3. 区间缩放法（归一化）
4. 定量特征二值化
5. 定性特征哑编码
6. 缺失值计算
7. 数据变换

特征选择：
1. 特征是否发散
2. 特征与目标的相关性
filter过滤法：
方差选择法、相关系数法、卡方检验法、互信息法
wrapper包装法：
递归特征消除法
embedded集成法：
基于惩罚项的特征选择法
基于树模型的特征选择法

降维：
主成分分析法（PCA）
线性判别分析法（LDA）

四、有什么要注意的点

五、参考文献
特征工程到底是什么？：https://www.zhihu.com/question/29316149
什么是特征工程？如何进行特征工程？：https://blog.csdn.net/qq_39521554/article/details/78877505
特征工程：https://www.jianshu.com/p/7066558bd386
特征工程的概述：https://www.cnblogs.com/datasnail/p/9617480.html
什么是特征工程？ // 初识数值型特征工程技术：https://zhuanlan.zhihu.com/p/63249766
【特征工程】呕心之作——深度了解特征工程：https://www.it610.com/article/1289244844304179200.htm
细说：特征工程 - Feature Engineering：https://blog.csdn.net/m0_38024592/article/details/80836217
百面-特征工程：https://www.yuque.com/cnzero/agonul/lrdsgh
一文读懂特征工程：https://segmentfault.com/a/1190000024522693?utm_source=tag-newest
七种常用特征工程：http://www.dataguru.cn/article-9861-1.html