机器学习-特征工程 基础知识总结

特征工程包括【特征构造】【数值处理】【特征选择】

1.【特征构造】数据和特征决定了机器学习的上限：切片静态特征，切片聚合特征，时序聚合特征

2.【数值处理】：标准/归一化；缺失值填充；分箱方法；特征编码；

分箱方法：

风控场景下的常用特征分箱介绍：BestKs分箱、卡方分箱、聚类分箱等 - 百度文库 (baidu.com)

风控建模中的分箱方法——原理与代码实现 - 知乎 (zhihu.com)

特征编码：

Label编码，one-hot编码，Target编码，模型自动编码，Embedding嵌入，WOE编码

3.【特征选择】:WOE(weight of evidence 证据权重），IV（Information value 信息价值，是woe的加权和），VIF（variance inflation factor 方差膨胀系数），PSI（population stability index 群体稳定性指标）