数据与特征工程系列
P9 特征工程 · 共 8 篇 · 按阅读顺序倒叙排列
-
Criteo CTR 特征工程实战：把理论串成一条能跑的广告管线
「数据与特征工程」收官实战：用 Kaggle Criteo CTR 数据集把清洗、非线性变换、缩放、降维、特征选择串成完整管线，覆盖缺失与异常处理、log1p / 周期编码、RobustScaler 选型与过滤→嵌入的选特征顺序。
-
特征编码：把文字菜谱翻译成秤上的克数
「数据与特征工程」编码篇：类别特征必须编码成数字。讲清 One-Hot / Label / Count / Frequency / Target 五种编码的场景与坑、按基数选编码的决策图，以及 Target Encoding 的数据泄漏与 K 折交叉解法。
-
特征选择：只留好料——过滤、包装、嵌入三大流派
「数据与特征工程系列」第 6 篇：特征选择的两条原则（高类别相关、低特征间冗余）与三大流派——过滤法（方差/皮尔逊/VIF/互信息/MIC/卡方）、包装法（前向/后向/RFE）、嵌入法（L1/L2 正则、树模型重要性）。
-
特征提取与降维：吊高汤——把一大堆料浓缩成精华
「数据与特征工程系列」第 5 篇：特征提取（造新维度）和特征选择（挑原维度）的区别，稀疏表示与特征哈希（adtech 高基数救星），以及 PCA / ICA / LDA 三种降维法各自在最大化什么——无监督最大方差、有监督最大可分、解混最大独立。
-
特征构建：切配、换角度、片下部位——把原始料做出新味道
「数据与特征工程系列」第 4 篇：特征构建的三条路——特征组合（GBDT+LR 叶子编码、特征搜索、CTR 交叉特征内积）、映射到新空间（FFT / 小波 / 数据熵）、衍生变量（泰坦尼克号 Name/Cabin/Ticket 拆解）。附多重共线性的坑与规避。
-
数据预处理：洗菜择菜的三步——观察、清洗、整理
「数据与特征工程系列」第 3 篇：把原始数据变成干净规整数据集的三步——数据观察（系统地找问题）、数据清洗（异常值检测：箱线图 / 切比雪夫 / 孤立森林，缺失值四种补法）、数据整理（标准化 / 归一化 / 鲁棒缩放）。
-
特征工程系统化框架：能用哪些料、料从哪进、料坏了怎么报警
「数据与特征工程系列」第 2 篇：用「后厨的三张清单」拆解一套工业级特征体系——特征使用方案（选哪些料 + 可用性评估）、特征获取方案（离线/在线分层获取）、特征监控方案（时效性/覆盖率/异常值 + 有效性分析 + 降级闭环），全程用美团点击下单率预估做实例。
-
特征工程总览：算法是大厨，但菜的上限由「备料」决定
「数据与特征工程系列」开篇：用「后厨备料」的比喻建立整体心智模型——为什么「数据和特征决定机器学习的上限，算法只是逼近这个上限」，特征工程到底在干哪四件事（清洗 / 构建 / 转换 / 选择提取），以及它在离线训练与在线服务两条链路里的不同形态。