首页 > 试题广场 >

什么是特征工程?常见的特征工程方法有哪些?

[问答题]
什么是特征工程?常见的特征工程方法有哪些?
1.数据预处理 2.特征选择 3.特征提取(不产生新的特征,只是对原有特征进行改造,通常是降维) 4.特征构造(通过对多个特征进行组合,得出新的特征) 5.特征变换(对原有特征进行形式上的变化,典型代表是one-hot编码)
发表于 2025-08-11 23:11:06 回复(0)
feature selection, feature extraction, feature construction, feature transformation
发表于 2026-03-31 21:30:55 回复(0)
特征工程指的是对原始数据进行改造,变成更利于机器识别的学习的过程,常用的方法有特征选择、特征提取、特征变换、特征构造。
发表于 2026-04-03 16:12:29 回复(0)
特征工程 就是 将原始数据转换为更适合模型输入的特征的过程 目的是提升模型效果 常见的特征工程方法: 1. 数据清洗(主要是处理缺失值,异常值) 2.特征变换(对数据进行 标准化 归一化等) 3. 特征编码: 使用独热编码 标签编码等处理类别变量 4. 特征构造: 也可以说是特征组合 通过加减乘除 聚合 多种运算 创建新特征 5. 特征选择: 过滤法 包括法 嵌入法 剔除冗余特征 选择更相关的特征加入训练 6. 特征降维: 通过PCA LDA 等方法减少特征数量
发表于 2026-04-14 11:03:35 回复(0)
特征选择,特征提取,特征构造,特征变换
发表于 2026-03-20 01:54:26 回复(0)
机器学习需要学习的是数据中的规律,才好进行拟合。为了达到这一目的,就得对用于训练的数据进行处理,将其从原始的混杂数据变成模型能进行学习的特征集,这一过程叫特征工程。常见的方法有:特征提取、特征转换、特征选择、特征构造。
发表于 2026-02-10 11:34:57 回复(0)
特征选择,特征提取,特征构造,特征变化
发表于 2026-01-22 20:43:33 回复(0)
发表于 2026-01-11 10:22:25 回复(0)
对原始数据进行处理 转换 选择 ,提取出对模型有用的特征,提升模型效果的过程,主要的特征工程方法有,特征选择,特征提取,特征构造,特征变换,
发表于 2025-09-20 10:58:01 回复(0)
把原始数据转换成模型更好识别和利用的数据特征,包括特征提取,特征转换,特征选择,特征构造
发表于 2025-09-12 21:11:40 回复(0)
特征工程目的就是让获得利于模型训练的拥有好的特征的数据。方法主要有4个,特征选择、特征提取、特征构造、特征变换。
发表于 2025-09-03 17:00:57 回复(0)
根据专业知识背景和技巧处理数据,处理后的数据让模型性能有所提升,这个过程叫做特征工程。包括特征提取、特征预处理、特征降维、特征选择、特征组合
发表于 2025-07-26 21:27:59 回复(0)