特征工程在机器学习中是比较重要的，而且也是比较花费时间的，而且对于不同场景的业务（序列，机器视觉，NLP）
会有不同的处理方式，整理了一些日常使用比较多的工具，可以参考
工具包
- scikit-learn
比较老牌了，提供了不少特征工程的工具包，同时也提供了不少相关的算法实现 - autofeat
实现上与scikit-learn 类似，可以进行一些自动处理 - tsfresh
比较适合进行时序数据的特征处理 - featuretools
一个自动化的特征处理框架，使用了DFS 进行处理，比较强大的是可以支持不少其他周边的集成（spark，dask，scikit-learn，tsfresh） - feature_engine
类似scikit-learn的处理，同时和scikit-learn 集成也很不错，可以说是提供了不少scikit-learn的扩展
参考资料
https://scikit-learn.org/stable/modules/feature_selection.html
https://github.com/cod3licious/autofeat
https://github.com/blue-yonder/tsfresh
https://github.com/alteryx/featuretools
https://www.featuretools.com/
https://github.com/feature-engine/feature_engine
https://feature-engine.trainindata.com/en/latest/index.html