机器学习特征表达——日期与时间特征做离散处理（数字到分类的映射），稀疏类分组（相似特征归档），创建虚拟变量（提取新特征） 本质就是要么多变少，或少变多
Posted 将者，智、信、仁、勇、严也。
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了机器学习特征表达——日期与时间特征做离散处理（数字到分类的映射），稀疏类分组（相似特征归档），创建虚拟变量（提取新特征） 本质就是要么多变少，或少变多相关的知识，希望对你有一定的参考价值。
特征表达
接下来要谈到的特征工程类型虽然简单却影响巨大。我们将其称为特征表达。
你的数据并不一定总是理想格式。你需要考虑是否有必要通过另一种形式进行特征表达以获取有用信息。
- 日期与时间特征： 我们假设你拥有purchase_datetime特征。从中提取purchase_day_of_week与purchase_hour_of_day两项特征可能会更有用。你还可以进行观察聚类以创建诸如purchases_over_last_30_days这类特征。
- 数字到分类的映射： 假设你拥有years_in_school特征。你可以基于它创建新的grade特征，并分类为“小学”、“初中”和“高中”。
- 稀疏类分组：假设你拥有一个包含多个类别的特征，但样本量较小。你可以尝试对相似类进行分组，将相似的类别分到一组，然后将剩下的类划分至单一的“其他”类中。
- 创建虚拟变量 根据你所选取的机器学习实现方法，你可能需要手动地将各分类特征转化为虚拟变量。请务必在稀疏类分组之后再创建虚拟变量。
见：http://www.infoq.com/cn/news/2017/08/Analysis-practices-Feature-Engin
以上是关于机器学习特征表达——日期与时间特征做离散处理（数字到分类的映射），稀疏类分组（相似特征归档），创建虚拟变量（提取新特征） 本质就是要么多变少，或少变多的主要内容，如果未能解决你的问题，请参考以下文章