如何做特征筛选

工作中做模型，首先很重要的一步就是特征工程，包括特征编码、特征归一、特征筛选等。

这里聊一下工作中常用的做特征筛选的方法。

1. 特征覆盖率
2. 特征封箱，即优势比
3. IV值
4. GAIN信息增益
5. CHI卡方
6. 基于模型的筛选

1、特征覆盖率

对于样本，有多少用户有此特征，缺失情况如何。一般要求特征覆盖率大于一定阈值。

2、特征封箱测试

即特征在正样本、负样本中的占比对比测试。选择特征：pct_1/pct_0<=0.8 || pct_1/pct_0=>1.2 

 3、根据IV值、GAIN、CHI排名做综合排名筛选

计算第2步筛选后的特征的IV值、GAIN值、chi值，并各自排序获得rank排名。

根据排名计算出综合排名，设置阈值，筛选出total_rank < 阈值的特征。

 4、基于模型的筛选

上述筛选后，基本可以获得不错的特征。当然也可以根据模型进一步获得选择的特征在模型上的表现衡量，即特征重要性。

特征	特征重要性	排名
会员	0.44	1
性别	0.12	2
学历	0.10	3
年龄	0.09	4