特征预处理

梳理需要哪些数据

评估可用性

（获取难度、准确率、覆盖率）

特征清洗

1. 清洗异常样本
2. 采样，正负样本均衡
3. 采样，样本权重

预处理

单个特征

1. 归一化
2. 离散化
3. dummy coding
4. 缺失值
5. log
6. 指数
7. box-cox

多个特征

降维

1. pca
2. lda

特征选择

filter：自变量和目标变量之间的关联

1. 相关系数
2. 卡方检验
3. 信息增益

wrapper：通过目标函数（AUC/MSE）来决定是否加入一个变量

1. 通过迭代，产生迭代子集（完全搜索、启发式搜索、ga、sa）

embedded：学习器自身自动选择特征

1. 正则化，l1-lasso
2. 正则化，l2-ridge
3. 决策树-信息增益、熵
4. 深度学习

特征监控

1. 监控重要特征