精通特征工程

前言

简介

为了提取知识和做出预测，机器学习使用数学模型来拟合数据。这些模型将特征作为输

入。

特征

就是原始数据某个方面的数值表示。在机器学习流程中，特征是数据和模型之间

的纽带。

特征工程

是指从原始数据中提取特征并将其转换为适合机器学习模型的格式。它

是机器学习流程中一个极其关键的环节，因为正确的特征可以减轻构建模型的难度，从而

使机器学习流程输出更高质量的结果。机器学习从业者有一个共识，那就是建立机器学习

流程的绝大部分时间都耗费在特征工程和数据清洗上。然而，尽管特征工程非常重要，专

门讨论这个话题的著作却很少。究其原因，可能是正确的特征要视模型和数据的具体情况

而定，而模型和数据千差万别，很难从各种项目中归纳出特征工程的实践原则。

然而，特征工程并不只是针对具体项目的行为，它有一些基本原则，而且最好结合具体情

境进行解释说明。在本书中，每一章都集中阐述一个数据问题：如何表示文本数据或图像

数据，如何为自动生成的特征降低维度，何时以及如何对特征进行标准化，等等。你可以

将本书看作内容互有联系的短篇小说集，而不是一部长篇小说。每一章都对大量现有特征

工程技术进行了简单介绍，它们综合在一起，阐明了特征工程的基本原则。

掌握一门学科不仅仅是要了解其中的定义以及能够推导公式。仅知道它的工作机制和用途

是不够的，你还必须理解它为什么这样设计，它与其他技术有何联系，以及每种方法的优

点和缺点。只有清楚地知道事情是如何完成的，对其中的基本原理有直观的理解，并能将

知识融会贯通，才称得上精通。尽管一本好书可以让你初窥门径，但只靠读书不能登堂入 ...