《精通特征工程》读书笔记

一、机器学习流程 数据特性： 错误数据：测量时的错误 冗余数据：对同一数据的多次表述 缺失数据 特征： 原始数据的数值表示 正确的特征应该适合当前的任务，并易于被模型所使用 特征工程： 在给定数据、模型和任务的情况下设计出最合适的特征 二、数值型数据 合理性检查：正负等 考虑特征的尺度：kmeans、knn、径向基核函数、所有使用欧氏距离的方法均需要，对特征进行标准化、区间计数 数值型特征的分布：

>>阅读原文<<