人工智能数据服务特征工程概述46课件讲解.pptxVIP

人工智能数据服务特征工程概述主讲人：俞明秀现代通信技术专业教学资源库

特征工程概述

1.特征工程的概念特征工程就是将原始数据转换为能够更好地被机器学习算法理解和利用的特征表示的过程。这些特征是数据中蕴含的关键信息，直接影响模型的性能和预测效果。例如，在预测房价的任务中，原始数据可能包含房屋面积、房龄、房间数量、周边学校数量、交通便利程度等众多信息。特征工程的工作就是从这些原始数据中提取出最具代表性和预测价值的特征，如对房屋面积进行标准化处理，将房龄与房价的关系进行函数变换，或者将周边学校数量和交通便利程度进行编码整合等，从而为后续的房价预测模型提供优质的输入数据。

2.特征工程的原理特征工程的目标是构建具有区分性和代表性的特征。这意味着要使不同类别的数据在特征空间中能够更好地被区分开来，同时保留数据的关键信息。例如，在图像识别任务中，原始图像数据是大量的像素点信息，通过特征提取算法（如卷积神经网络中的卷积操作），可以提取出图像的边缘、纹理、形状等具有代表性的特征，这些特征能够更好地描述图像的本质信息，从而帮助模型更准确地识别图像中的物体。

3特征工程过程数据清洗数据清洗是特征工程的首要步骤，其目的是处理原始数据中的缺失值、异常值和重复数据等问题，提高数据的质量。特征转换将原始特征转换为更适合模型学习的形式。主要有标准化与归一化、对数变换、特征编码