機器學習的特徵工程

機器學習流程： 收據收集----->數據清洗------->特徵工程-------->數據建模 特徵=>數據抽取出來的對結果預測有用的信息 特徵工程師使用專業背景知識和技巧處理數據，使得特徵能在機器學習算法上發揮更好的作用的過程。 特徵工程的意味着更強的靈活度，不需複雜的模型，得到更好的結果。 現實中，複雜模型的算法精進都是數據科學家在做，大部分童靴是跑數據，清洗數據，分析業務，分析case，找特

>>阅读原文<<