1.1 特征工程是什么
特征工程(feature engineering)
将数据转换为能更好地表示潜在问题的特征，从而提高机器学习性能。
Color,Time即是无用的属性
坏属性(冗余属性)的影响
1.模型过拟合
2.时间成本高
1.2 特征工程效果评估
特征工程的效果评估
1.在应用特征工程之前，得到机器学习模型的基准性能;
2.在机器学习流水线中应用一种或多种特征工程;
3.将应用特征工程后的模型性能与基准性能进行对比。
性能的定义随算法的不同而改变，目前有数十种公认的指标
常见的有
评估回归问题的：
k折交叉验证
均方误差
评估无监督学习的：
轮廓系数
1.3定性定量
评分(1~5星) ,是定量还是定性?
➢定量:有4.71星这样的平均分则是定量的。
➢定量:有4.71星这样的平均分则是定量的。定性:讨厌、还行、喜欢、喜爱还是特别喜爱。
定性定量的界限是比较模糊的，所以我们引入数据等级进行细化。
1.4数据的等级
数据的4个等级
➢定类等级(nominal level)
➢定序等级(ordinal level)
➢定距等级(interval level)
➢定比等级(ratio level)
定类等级(nominal level)
➢定类等级是数据的第一个等级，只按名称分类。
➢血型(A、 B、 O和AB型)、性别(男、女)动物物种和人名。
➢可以执行的数学操作:统计众数(频次) 、不能执行任何定量数学操作。
➢定量数据，最高级别的控制和数学运算，有了一个绝对零点的概念，可以做乘除运算
➢如模型准确率、国民生产总值。
算法模型能够处理的都是定比或定距等级的数据（也就是定量的数据）
今天的文章 特征工程的概念（特征工程是啥）分享到此就结束了，感谢您的阅读。
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， 请发送邮件至 举报，一经查实，本站将立刻删除。
如需转载请保留出处：https://bianchenghao.cn/bian-cheng-ri-ji/39759.html