关于特征工程的一些学习、思考与错误的纠正

特征工程的整体思路：

1. 对于特征的理解、评估

2. 特征处理：

　　2.1 特征处理

　　　　2.1.1 特征清洗

　　　　　　清洗异常、采样

　　　　2.1.2 预处理

　　　　　　单特征情况：归一化、离散化、哑变量编码、缺失值填充等。数据变换例如log服从正态分布。

　　　　　　多特征情况：

　　　　　　　　降维：PCA、LDA（这个不太了解、待学习）

　　　　　　　　特征选择：三种大方法，Filter——x与y之间的关联，Wrapper——目标函数检验（MSE），Embedded——机器学习方法，正则化、决策树、深度学习。

3. 特征监控

有效性分析和监控。