本文将使用信用违约数据集介绍手工特征的概念和创建过程。
通过对原始数据进行手工的特征工程，我们可以将模型的准确性和性能提升到新的水平，为更精确的预测和更明智的业务决策铺平道路， 可以以前所未有的方式优化模型并提升业务能力。
原始数据就像一个没有图片的拼图游戏——但通过特征工程，我们可以将这些碎片拼在一起，虽然拥有大量数据确实是寻求建立机器学习模型的金融机构的宝库，但同样重要的是要承认并非所有数据都提供信息。并且手工特征是人工设计出来，每一步操作能够说出理由，也带来了可解释性。
完整文章：
https://avoid.overfit.cn/post/2740ca61afb3438dbb8ab36b2250f37e
标签：手工,特征,模型,提升,原始数据,性能 From： https://www.cnblogs.com/deephub/p/17167205.html