何为特征工程
特征使用方案
1）要实现我们的目标需要哪些数据
2）可行性评估：获取难度，覆盖率，准确率
特征获取方案
1）如何获取这些特征？
2）如何存储，什么样的形式存储
特征清洗
1）特征清洗，异常样本的清晰
2）采样数据均衡问题
特征预处理
1）对于单个特征：归一化，标准化，离散化，dummy coding,缺失值填充，数据变换（log,指数）
2）对于多个特征：
降维（PCA，LDA）
特征选择：Filter(相关系数，卡方检验，互信息)、wrapper创建新的特征
不同类型数据的特征处理
数值型：
进行归一化的操作；连续值离散化（分区间）
类别型：
编码，dummy coding或者叫 one hot 。0 0 1 ，1 0 0，0 1 0 。
时间类：
间隔型，为一个区间的哪个阶段，如“早，中，晚”。“放假前”，“放假后”。
文本型：
词频，词向量。
统计型：
和业务场景很接近，描述数据所处的位置。
异常数据常用处理方法
缺失值：
当缺失值很多，这个特征可以不要，当缺失值相对多，可以把是否缺失做一个特征，当缺失值比较少可以选择众数或者平均值。还可以通过机器学习的方法来填充缺失值，比如根据相似性进行填充K邻近。
特征数值分布长尾：
离散化数据，分区间处理。
有偏度的特征：
使用log，倒数，使数据尽可能的呈现正太分布。
异常点：
判断异常点是采集的错误，还是不具有普适性数据。
数据缩放的手段
标准化：
用原始数据减去均值，再处以标准差。
归一化：
原始数据减去最小值，除以最大值与最小值的差。
"用同一把尺子量数据"。