feature engineering 特征工程常用的方法

特征工程在机器学习和模型中经常用到， 之前也没有详细的整理过，今天大致看了下，给记录下主要的方法。

本次仅记录特征生成的一些方法， 不包含特征筛选。

一、从数据来看：

1. 单个特征时可用的方法：

填充，离群点， 分箱， log变换， 0-1编码， 整合， 分列， 标准化， 提取日期信息；

2. 多个特征，可以做交叉验证，整合生成新的，用逻辑运算，取交，并，补等；也可以多个特征算数运行，+ - * / 等；

3.  增加地理位置信息， 区域经济数据，位置数据，人均GDP， 人口等数据；

4. 也可以试python 中的自动特征生成函数，如：polynomial features 

二、从业务来看

1. 结合业务情况，从产品，运营角度回看数据，将相关广告， 渠道，活动等信息加入。