[特徵工程系列一] 論特徵的重要性

滿打滿算，還有十天左右就要過年了，這些天大家或多或少都有點浮躁。反過來想，趁大家都懈怠的時候，正是學習的最佳時機。趁著這幾天，也給自己加點碼，去認真的再看一下特徵工程。我給自己列了下面的這一份學習清單，也會在過年前後逐一分享給大家。

《特徵工程系列二，顯性特徵的基本處理方法》：講一下如何處理資料特徵，以及最基本的概念

《特徵工程三，顯性特徵的衍生》：準備通過NBA球星的資料，展示下特徵的衍生的一些概念

《特徵工程四，Wide&Deep Learning for Recommender Systems》：講一下如何通過線性演算法的顯性特徵以及深度學習NN演算法中的提取的隱式特徵做推薦系統

《特徵工程五，基於蒙特卡洛樹搜尋的半自動特徵工程方案》：特徵工程需要大量的人工干預和專家經驗，那麼能不能有一種方案去實現自動特徵工程呢，純自己YY了一套可能的方案。

 

下面我們進入今天的正題，特徵工程有多重要，可以引用一句話來表達：“資料和特徵決定了模型的上限，演算法只是在幫忙逼近這個上限。”好的特徵是決定一個模型準確率的關鍵，那問題來了？什麼是特徵呢，特徵就是資料對於結果的一種描述。比如我們形容一個人是否漂亮，那她的眼睛大小、鼻子的形狀、臉型都是特徵。通常，當獲得一份結構化資料的時候，如果這份資料裡存在目標列，那麼除了目標列每個欄位都可以看做是特徵，特徵工程要做的事情是找到對結果影響最大的特徵。

 

瞭解了特徵的重要性，我們就可以開啟這一系列文章的分享了，不過在此之前，有幾個概念需要再明確下。特徵分哪幾種呢？

1.    顯性特徵：可以理解為使用者直接可以拿到的資料欄位

2.    半隱性特徵：使用者資料在通過GBDT等演算法的計算過程中產出的一些特徵

3.    隱性特徵：深度學習在很大程度上可以簡化人肉特徵工程的工作量，因為深度學習可以在計算過程中自動生成一些特徵向量，這些特徵的表達往往是不可解釋的，那這些特徵就是隱性特徵。

Ok~同步完這些概念，開啟衝刺，年前要好好學習並分享特徵工程的系列文章。