“数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器学习模型逼近这个上限。特征工程能使得模型的性能得到提升，有时甚至在简单的模型上也能取得不错的效果。特征工程在机器学习中占有非常重要的作用，一般认为括特征构建、特征提取、特征选择三个部分。特征构建比较麻烦，需要一定的经验。 特征提取与特征选择都是为了从原始特征中找出最有效的特征。它们之间的区别是特征提取强调通过特征转换的方式得到一组具有明显物理或统计意义的特征；而特征选择是从特征集合中挑选一组具有明显物理或统计意义的特征子集。两者都能帮助减少特征的维度、数据冗余，特征提取有时能发现更有意义的特征属性，特征选择的过程经常能表示出每个特征的重要性对于模型构建的重要性。本文主要尝试总结几个常用的特征提取和特征选择的方法。

讲解机器学习的特征工程步骤 样本选取与拆分 1 数据归集 ：实现相关的2 数据可视化：直观呈现分布、快速了解质量 数据可视化：直观呈现分布、快速了解质量 数据可视化：直观呈现分布、快速了解质量 数据可视化：直观呈现分布、快速了解质量 3 数据清洗：处理缺失确保可用性 数据清洗：处理缺失确保可用性 4 特征设计：数据转换与归一化 正态、标准特征设计：数据转换与归一化 正态、标准特征设计：数据转换与归一化 正态、标准5 特征加工，重构数据：建刻画场景 特征加工，重构数据：建刻画场景 6 特征选择：筛，提升效率避免共线性 特征选择：筛，提升效率避免共线性 特

《特征工程入门与实践》nopassword

sklearn的各种特征工程函数，包括归一化、缺失值处理、特征选择等，参考博客http://www.cnblogs.com/jasonfreak/p/5448385.html

【课程简介】 本课程适合所有需要学习机器学习技术的同学，课件内容制作精细，由浅入深，适合入门或进行知识回顾。 本章为该课程的其中一个章节，如有需要可下载全部课程 全套资源下载地址：https://download.csdn.net/download/qq_27595745/85274948 【全部课程列表】 day01-机器学习概述、特征工程、机器学习算法 共127页.pptx day02-sklearn、knn、朴素贝叶斯、决策树、随机森林 共102页.pptx day03-线性回归、岭回归、逻辑回归、分类、聚类算法 共86页.pptx day04-Tensorflow基础与进阶 共74页.pptx day05-Tensorflow IO操作-队列和线程、文件读取、图片处理 共40页.pptx day06-Tensorflow、人工神经网络、卷积神经网络、图片识别 共65页.pptx day07-CIFAR图像分类 图像识别、分布式会话函数、分布式TensorFlow、推荐系统 共76页.pptx

机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测 离散型数据：由记录不同类别个体的数目所得到的数据，又称计数数据，所 有这些数据全部都是整数，而且不能再细分，也不能进一步提高他 们的精确度。 连续型数据：变量可以在某个范围内取任一数，即变量的取值可以是连续 的，如，长度、时间、质量值等，这类整数通常是非整数，含有小数 部分。 注：只要记住一点，离散型是区间内不可分，连续型是区间内可分 结构：特征值+目标值 特征工程是将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的模型Python语言的机器学习工具 Scikit-learn包括许多知名的机器学习算法的实现 Scikit-learn文档完善，容易上手，丰富的API，使其在学术界颇受欢迎。 目前稳定版本0.18 准确性 特征抽取针对非连续型数据 特征抽取对文本等进行特征值化 通过特定的统计方法（数学方法）将数据转换成算法要求的数据

机器学习概述、特征工程、机器学习算法 PPT + Python运行代码 + 运行效果截图 机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

sklearn-feature-engineering 前言 博主最近参加了几个kaggle比赛，发现做特征工程是其中很重要的一部分，而sklearn是做特征工程（做模型调算法）最常用也是最好用的工具没有之一，因此将自己的一些经验做一个总结分享给大家，希望对大家有所帮助。大家也可以到我的博客上看 有这么一句话在业界广泛流传，数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。 特征工程主要分为三部分： 数据预处理 对应的sklearn包： 特征选择 对应的sklearn包： 降维 对应的sklearn包： 本文中使用sklearn中的IRIS（鸢尾花）数据集来对特征处理功能进行说明，首先导入IRIS数据集的代码如下： 1 from sklearn.datasets

【特征工程是什么？】 身高不同的两人，比较体重毫无意义， 但是如果将身高体重加以计算，转化成了BMI指数：BMI=体重/(身高^2) 通过比较这个新创造的特征值，谁胖谁瘦就一目了然了。 这就是特征工程，将原始数据转换为可以更好的、代表预测模型潜在问题的特征，通过分析这个新的特征，可以得到更准确的预测结果。 【特征工程——Python数据分析必备】 脏数据的“清洗剂” 有人说：学会了Python语言，就会做数据分析？ 不一定！ 你拿到的数据样本集，有可能存在这些问题： 如果样本数据存在问题，对数据建模的执行效率会有很大影响，甚至可能会造成模型结果的偏差。 不懂特征工程，数据分析=白忙一场！ 【站内首门！特征工程全解课程】 过去，数字化是企业优化的要点； 而今，数字化成为了企业活下去的关键。 而数据分析应用有多广，特征工程的学习需求就有多大。 不过，大部分课本对于特征工程这一知识点鲜有提及，市面上的课程也少之又少，导致很多人在实际工作或学习中，遇到问题束手无策，严重降低效率。 CSDN全站首发——Python数据处理与特征工程 课程聚焦数据科学中，数据清

特征工程自学思维导图自用