推荐算法的第二节课特征工程是有广告组的同学讲，还是比较基础并且浅显易懂（可能我之前有学过统计学的缘故吧）。我会总结一下特征工程的知识点。
Screen Shot 2020-07-25 at 3.34.55 PM.png
这张图很好总结了如何从0开始构建机器学习模型的过程。做一个机器学习项目，可能要花大量的时间在理解问题，把问题转化为现有的AI问题，然后通过特征工程技术选择好的特征进行学习。学过深度学习的同学可能觉得深度学习可以解决特征工程，但深度学习的黑箱原理无法解释模型。
特征工程
特征设计（是否可能得到有用并且部署在线上的特征）
- 头脑风暴
- 询问有项目经验的专家
特征转化
1.离散特征（男女）（one-hot编码，multi-hot编码）
2.数值特征（年龄）（使用归一化或者标准化，让模型更好收敛并且把所有特征转成同一量纲）
3.时间特征（早上，下午）
4.文字特征(NLP)
- 统计类特征（方差）
特征选择（选择和最后结果最相关的特征）
1.过滤（通过皮尔逊系数，开森检验，找到相关性最强的N个特征）
2.包装法（通过AIC，BIC删除一些不重要的特征）
3.向量化（增加正则化L1等）
注意：如果发现特征太强的话，可能会发生信息泄露，那同样不是一个好的特征。信息泄露包含特征泄露和数据泄露两种。数据泄露指训练集可能包含未来做预测的数据。解决数据泄露的手段是尝试不同的数据划分。
通过树模型做特征选择
Facebook 提出了GBDT加LR的算法，GBDT做特征工程，让LR训练。
GBDT_LR.png
为什么特征工程还是很重要
1.模型的准确性（模型的交叉可能会导致噪音）
2.模型的高效性（简单模型可能高效地服务化）
3.模型的可解释性（深度学习模型提取的特征太过抽象，可解释性不强）
