2.4 特征工程
李沐
B站：https://space.bilibili.com/1567748478/channel/collectiondetail?sid=28144
课程主页：https://c.d2l.ai/stanford-cs329p/
1. 为什么需要特征工程：
-
特征工程
数据集进行特征提取，以使机器学习模型在对经过特征工程处理过的数据进行学习时可以更快，精度更高，效果更好。
-
为什么要进行特征工程？
在深度学习大火之前，传统的机器学习模型是比较常用的，因此在进行学习的之前，需要把数据处理成模型喜欢的数据形式（这个过程往往是人们手动来设计的），因为机器学习算法比较“喜欢”固定长度的输入输出。这是一个非常关键的技术。比如在计算机视觉中，常常把图片进行处理成一个向量等来训练一个 SVM 模型。在深度学习技术成熟之后，人们开始使用神经网络来进行特征抽取（让特征工程更加简单），但是并没有改变特征工程的这个过程以及地位。而且神经网络可以不断地改变参数来更好的去抽取特征，缺点就是需要大量的数据和资源。
2. 表格类数据特征：
- in