机器学习流程—特征工程
基本上，所有机器学习算法都是将一些输入数据转化为输出。这些输入数据包括若干特征，通常是以由列组成的表格形式出现。而算法往往要求输入具有某些特性的特征才能正常工作。因此，出现了对特征工程的需求。
特征工程至少有两个目标，
- 构建适合机器学习算法要求的输入数据。
- 改善机器学习模型的性能。
根据《福布斯》的一项调查，数据科学家把 80% 左右的时间花在数据收集、清晰以及预处理等数据准备上。
这点显示了特征工程在数据科学中的重要性。因此有必要整理一下特征工程的主要技术。本篇通过 Pandas 和 Numpy 等库来实际操练。
import pandas as pd
import numpy as np
获得特征工程专业知识的最佳方法是对各种数据集试验不同的技术，并观察其对模型性能的影响。
本文主要介绍以下几个方面，内容较多，建议收藏、关注、点赞。
- 1、数据插补
- 2、处理异常值
- 3、分箱操作
- 4、对数转换
- 5、独热编码
- 6、分组操作
- 7、特征拆分
- 8、缩放操作
- 9、日期处