特征工程

标签：html   频繁   比较   权重   数据   领域   参考   算法   嵌入   

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

特征工程

标签：html   频繁   比较   权重   数据   领域   参考   算法   嵌入   

原文地址：https://www.cnblogs.com/spp666/p/11479999.html