详细pdf:
链接：https://pan.baidu.com/s/1pUWhb_y7kK7_fU0Gjqfe0Q 密码：602l
sklearn中的特征工程：https://www.cnblogs.com/jasonfreak/p/5619260.html
特征工程实则是数据深度清洗过程
1.数据清洗
a. 数据格式化（日期，数值格式化）
b. 脏数据清洗（不合理数据）
c. 缺失值处理方案
方案一 : 如果缺失值的样本占总数比例行高，可直接舍弃该字段，反倒成为噪声
方案二 : 如果缺失值的样本占总数比例适中，且该字段是离散型值，将缺失值作为新的一类
方案三：如果缺失值的样本占总数比例适中，且该字段是连续型数值，将数值离散化处理，将缺失值作为新的一类
方案四: 如果缺失值得样本占总数比例较少，可根据已有的值，拟合一定的数据补充上
2.数据采样
. 采样方式
1.随机采样
2.分层采样
. 正负样本不平衡处理办法
1.上采样（量大）
2.下采样（量小）
3.特征处理
1.数值型
image.png
- 类别型
image.png
- 时间型
image.png
- 文本型
image.png
image.png
- 统计型
image.png
- 组合类型
image.png
4.特征选择
过滤型
包裹型
嵌入型
