<p><strong>数据挖掘之特征工程</strong></p> 讯享网
特征工程最主要的是通过专业背景知识和技巧处理数据，改善特征或者构建新的特征，使其能在机器学习算法上发挥更好的作用的过程。
在数据建模时，如果对原始数据的所有属性进行学习，并不能很好的找到数据的潜在趋势，而通过特征工程，算法模型能够减少噪声的干扰，这样能够更好的找出数据趋势。优秀的特征甚至能够帮你实现使用简单的模型达到很好的效果。可以说，数据和特征决定了整个模型效果的上限，而改进算法只是在逼近这个上限。
数据中经常会遇到一些地区、国家、性别等字符信息，需要将其通过特定的编码方式转化为数值型数据，常见的编码方式有one_hot编码，label_encoder编码。
- label_encoder编码
label_encoder会将不同字符编码为整数，例如，如果某列含有8个不同的字符，则label_encoder会将其编码为0到8的整数集合。
讯享网
- one-hot编码
one-hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。
例如，将一列数据：["中国", "美国", "日本", "美国"]，进行one-hot编码。其结果如上图所示。
非线性变换包括对数转换、平方根转换、平方转换、幂转换等。
讯享网
特征离散化就是把连续特征分段，每一段内的原始连续特征无差别的看成同一个新特征。离散化的特征更易于理解、可以简化模型，提高模型准确度，提高运行速度。
- 连续数据统计特征，如最大值、最小值、平均值、方差、累加和等
使用时，通常先对数据进行分组后，再逐一计算统计特征，例如按国家分组后，计算每组每年增长人口的最大值、最小值、平均值、方差等。
- 离散数据统计特征，如众数、熵、计数等
使用时，也是先对数据进行分组后，再逐一计算统计特征。
讯享网
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/207926.html