完美无缺的特征工程

如果说我从这次比赛中学到了什么，那就是“特征工程是关键”。简单来说，特征工程就是提取已有特征并不断添加新的特征，这可以是简单的将两列相乘。

在常用的机器学习方法中，神经网络可视为神奇的万能方案，据说神经网络可以从数据中学习任何东西。不过事实并非如此，大多数时候，一个模型要想通过数据学习的话，还需要人类从旁协助。

模型的优劣取决于数据的好坏，最好提供尽可能多的信息让原始数据有意义。对特征工程有帮助的两个观点：

• 主成分分析法/特征降维。我们常说"这些都是数据中最重要的结构因素"，并为模型设计付出很多时间和心血，因此特征降维是很好的特征工程策略。主成分分析缩减版可以用来替换数据，或者将主成分分析缩减版的特征并联到数据中(可能更成功)。除此之外，局部线性嵌入等流性学习/特征降维算法也同样适用。
• 添加数据。若多列之间的规模相当，则可以添加简单的数据，如平均值和方差，也可以添加更高阶的数据，如峰度或偏度。例如，数据点之间的方差# of cars moving in Los Angeles，# of cars movingin Santa Monica，# of cars moving in Beverley Hills等等，可以提供有用的信息，来观察天气带来的不同影响。如果方差较小，那么天气对所有城市的影响都非常相似。模型可以对此进行解释，并帮助预测。

特征工程是一门艺术。最重要的是要记住在进行特征工程时要考虑到数据环境。如果数据在现实生活中没有意义(例如将两个彼此没有关系的列相乘)，很可能不会帮助模型更好地理解数据。

（编辑：阜新站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!