特征工程

Posted 2020-11-12 spp666

一、特征选择

（1）特征来源：

　　　　1、已经处理好的特征数据

　　　　2、从业务特征中自己去寻找高级数据特征

（2）选择合适的特征：

　　　　1、寻找该领域专家，向他们寻求建议

　　　　2、方差筛选

　　　　3、过滤法

　　　　4、包装法

　　　　5、嵌入法

（3） 寻找高级特征

　　　　1、若干项特征向加和

　　　　2、若干项特征相乘

　　　　3、若干项特征之差

　　　　4、若干项特征除商

 

二、特征表达（如何对某一特征的具体表现形式做处理）

（1）缺失值处理

　　　　1、对连续值来说：取平均值、中位数进行缺失值补充

　　　　2、对离散值来说：最频繁出现的类别

（2）特殊的特征处理

　　一般有些特征的默认值取值比较特殊，一般需要做了处理后才能用于算法

　　　　1、对于时间特征：采用连续的时间差值法；转化为若干离散特征；权重法

　　　　2、对地理特征：可以转化为经度和维度连续特征值

（3）离散特征的连续处理：

　　　　1、独热编码one-hot encoding

　　　　2、特征嵌入embedding

（4）离散特征的离散化：

　　　　1、独热编码

　　　　2、虚拟编码

（5） 连续特征离散化

 

三、特征预处理

（1）特征的标准化与归一化

　　　　1、z-score标准化

　　　　2、max-min标准化

　　　　3、L1、L2范数标准化

（2）异常特征样本清洗

　　　　1、聚类

　　　　2、异常点检测

（3）处理不平衡数据

　　　　1、权重法

　　　　2、采样法

 

参考：https://www.cnblogs.com/pinard/p/9093890.html

　　　https://www.cnblogs.com/pinard/p/9061549.html

　　　https://www.cnblogs.com/pinard/p/9061549.html