概念卡：特征工程 Feature Engineering
概念卡：特征工程 Feature Engineering
一句话定义
特征工程是把原始数据转化为更适合模型使用的变量。
它解决什么问题
它让模型能更好地捕捉数据中的信息和结构。
典型使用场景
- 从时间戳提取月份、星期、节假日。
- 对类别变量做编码。
- 构造滞后变量、交互项或网络指标。
需要知道的关键词
- Feature
- Encoding
- Scaling
- Interaction
- Leakage
和导师方向的关系
大数据和机器学习任务中，特征工程常常决定模型效果；复杂网络和时间序列任务也依赖合适特征。
交流时可以怎么说
我会先根据领域理解构造基础特征，再用交叉验证评估这些特征是否真正提升模型。
特征工程要特别注意数据泄漏，不能把未来信息提前放进模型。
可以追问的问题
- 哪些原始变量可以转化成有意义的特征？
- 是否存在数据泄漏？
- 特征是否可解释？
给 AI 的提示词
请帮我为一个数据分析任务设计特征工程方案。要求说明数值、类别、时间、文本和网络特征的常见处理方式。
我的理解边界
- 已理解：特征工程是模型前的重要步骤。
- 还不确定：如何系统防止数据泄漏。
- 下次需要补：类别编码和标准化。