概念-特征工程

一句话理解

特征工程是把原始数据”翻译”成模型能理解的语言——好的特征能让简单模型获得好效果，差的特征让复杂模型也无能为力。

核心操作

比喻：原始数据像一堆杂乱零件，特征工程是把它们分类、清洗、组装成标准零件，让模型这条”流水线”能高效工作。

2026 年地位

深度学习减少了对人工特征工程的依赖（模型自己学特征），但以下场景仍然重要：

• 表格数据（结构化数据）建模
• 数据清洗和预处理
• 特征选择（去掉冗余特征）

相关笔记

• 第5章 · 模型评估与特征工程 — 主章节
• 5.7 特征工程实战 — 实战指南
• 归一化 (Normalization) — 归一化详解

来源

• Zheng & Casari, “Feature Engineering for Machine Learning”, O’Reilly, 2018