趋近智
特征工程介绍
章节 1: 特征在机器学习中的作用
重温机器学习工作流程
什么是特征？
特征质量对模型表现的影响
常见数据类型及对应的问题
特征工程任务概览
章节 2: 处理缺失数据
识别缺失值
缺失数据机制 (MCAR, MAR, MNAR)
简单填充策略：均值、中位数、众数
创建缺失值指示器
多变量填充：KNN填充器
多元插补：迭代插补器
比较插补方法
动手实践：填充缺失数据
章节 3: 类别特征编码
分类数据的难点
标称类别与序数类别
标称特征的独热编码
有序特征的序数编码
高基数特征的处理
目标编码（均值编码）
二进制编码
哈希编码器
比较编码方法
动手实践：应用编码技术
章节 4: 特征缩放与变换
特征缩放的必要性
标准化 (Z-score 缩放)
归一化（最小-最大值缩放）
处理异常值的缩放
对偏斜数据的对数变换
Box-Cox 变换
Yeo-Johnson 变换
分位数变换
选择合适的缩放/转换方法
动手实践：特征缩放与转换
章节 5: 特征构建
创建新特征的动机
交互特征
多项式特征
基于日期/时间数据的特征构建
数值特征分箱
领域特征工程
自动化特征生成（引言）
动手实践：构建新特征
章节 6: 特征选择
特征选择的重要性
过滤方法概述
过滤方法：方差阈值
过滤方法：单变量统计检验（ANOVA F值，卡方）
过滤方法：相关性分析
封装器方法概述
封装方法：递归特征消除 (RFE)
封装方法：序列特征选择 (SFS)
嵌入式方法概览
嵌入式方法：正则化（Lasso L1）
嵌入式方法：基于树的特征重要性
动手实践：特征选择
数值特征分箱
这部分内容有帮助吗？
- sklearn.preprocessing.KBinsDiscretizer, scikit-learn developers, 2023 - Scikit-learn 的 KBinsDiscretizer 官方文档，详细说明其用法、策略（均匀、分位数、KMeans）和参数。
- pandas.cut, pandas development team, 2023 - pandas.cut 的官方文档，该函数用于实现固定宽度分箱和自定义分箱边界。
- pandas.qcut, pandas development team, 2023 (pandas project) - pandas.qcut 的官方文档，该函数用于实现基于分位数的分箱，以创建包含大致相等观测值的箱。
- Feature Engineering for Machine Learning: Principles and Techniques for Data Scientists, Alice Zheng and Amanda Casari, 2018 (O'Reilly Media) - 一本关于各种特征工程技术的综合书籍，包含对离散化方法及其对模型性能影响的详细讨论。
- Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, Aurélien Géron, 2022 (O'Reilly Media) - 一本广泛使用的机器学习教科书，涵盖特征工程实践，包括处理数值和分类特征的策略。第四版。