知识卡片
特征工程的本质与组成
特征工程是把原始数据转化为更有意义、能表达内在关联的数据的过程,章中称其为提升训练速度与精度最有效的方法。它包含三部分:特征构建(对原有特征组合运算生成新特征)、特征提取与特征选择(都从原始特征中挑出对模型最有用的)。二者的关键区别在于特征空间是否改变:特征提取会组合、变换特征,改变原特征空间;特征选择只是从原数据集中挑子集,与原数据是包含关系,不改特征空间。两者都能降维、减少冗余,但特征提取擅长发现更有意义的新属性,特征选择能显示各特征的重要性。边界:特征工程高度依赖经验与业务理解,没有通用最优解;实际选择要依数据特点而定。可迁移启发:把特征工程视为“数据→信息”的增值环节,需产品经理与工程师协作。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 数据的准备工作 2.2.1 如何进行特征工程 · 查看原书依据
特征工程包括特征构建、特征提取和特征选择三个部分。特征构建是指对原有特征进行组合运算生成新特征。特征提取与特征选择是为了从原始特征中找出对于提升模型效率最有用的特征。
参考来源
- 位置:《产品经理进阶:100个案例搞懂人工智能 (林中翘)》第2章《数据的准备工作》(源文件:`../../book-sources/extracted/产品经理进阶:100个案例搞懂人工智能 (林中翘)/_epub-src/OEBPS/text00007.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:原文给出“特征工程包括特征构建、特征提取和特征选择三个部分”,并对比“特征提取会改变原有的特征空间”“特征选择只是从原始特征数据集中挑选子集”,支撑本卡区分。
- 原始内容:特征工程包括特征构建、特征提取和特征选择三个部分。特征构建是指对原有特征进行组合运算生成新特征。特征提取与特征选择是为了从原始特征中找出对于提升模型效率最有用的特征。