python 特征工程的实现流程

1.特征的提取

    数据特征的提取可以利用（pandas，numpy）根据业务的需求与分析提出相关的特征，图像可以用 python的 pyradiomic 包提取所有特征值。pyradiomics包的github地址 https://github.com/Radiomics/pyradiomics。安装等信息大神介绍的很详细，这对于我们的小伙伴们应该是 so easy 的，值的注意的是 pyradiomics的包的版本是有大的差异的。

 

2.特征的选择

     特征的选择方法可以有：VarianceThreshold（threshold=xx） 过滤掉小于方差阀值xx的特征，SelectKBest（xx, k=xx）选择排名前k个的特征，SelectPercentile（xx，percentile=xx）  只保留指定百分比xx得分最高的特征 ......

    方法的相关参数解释请参照连接：https://blog.csdn.net/weixin_39777626/article/details/79936169

 

3.机器模型的选择

    参照数据与业务的实现选择不同的训练模型：离散型数据（预期的值是不连续的自然数）适用于分类，连续型数据适用于回归。

    模型的应用分为：分类，回归，聚类，降维

    相关文档参照：https://blog.csdn.net/u011630575/article/details/78637517

 

4.模型的对比

    sklearn 提供有对模型对比的方法：model_selection 中  cross_val_score （交叉验证），GridSearchCV（表格搜索）

 

5.数据的训练

    依靠强大的sklearn  数据的训练相对的简单。这时会涉及到数据的预处理 ，用sklearn 的 preprocessing 模块对数据进行标准化，归一化。对数据的分配有自己掌握（训练数据，测试数据）

 

6.模型的保存

    两种方式：sklearn.externals  的  joblib  与   pickle

 

7.预测（predict）