對特徵進行分類，對於不同的特徵應該有不同的處理方法。
根據不同的分類方法，可以將特徵分為
例如文字特徵中的詞向量特徵，影象特徵中的畫素點，使用者id，商品id等。
low level特徵一般維度比較高，不能用過於複雜的模型。
例如人工打分，模型打分等特徵，可以用於較複雜的非線性模型。
low level 比較針對性，覆蓋面小。長尾樣本的**值主要受high level特徵影響。 高頻樣本的**值主要受low level特徵影響。
穩定特徵——變化頻率(更新頻率)較少的特徵
例如評價平均分，**單**等，在較長的時間段內都不會發生變化。
動態特徵——更新變化比較頻繁的特徵，有些甚至是實時計算得到的特徵
例如距離特徵，2小時銷量等特徵。或者叫做實時特徵和非實時特徵。
針對兩類特徵的不同可以針對性地設計特徵儲存和更新方式 例如
對於穩定特徵，可以建入索引，較長時間更新一次，如果做快取的話，快取的時間可以較長。
對於動態特徵，需要實時計算或者準實時地更新資料，如果做快取的話，快取過期時間需要設定的較短。
二值特徵——主要是0/1特徵，即特徵只取兩種值：0或者1
例如使用者id特徵：目前的id是否是某個特定的id，詞向量特徵：某個特定的詞是否在文章中出現等等。
連續值特徵——取值為有理數的特徵，特徵取值個數不定，例如距離特徵，特徵取值為是0~正無窮。
列舉值特徵——主要是特徵有固定個數個可能值，例如今天週幾，只有7個可能值：周1，周2，...，週日。
在實際的使用中，我們可能對不同型別的特徵進行轉換，例如將列舉特徵或者連續特徵處理為二值特徵。
列舉特徵處理為二值特徵技巧：
將列舉特徵對映為多個特徵，每個特徵對應乙個特定列舉值，例如今天週幾，可以把它轉換成7個二元特徵：今天是否是周一，今天是否是周二，...，今天是否是週日。
連續值處理為二值特徵方法：
先將連續值離散化（後面會介紹如何離散化)，再將離散化後的特徵切分為n個二元特徵，每個特徵代表是否在這個區間內。
特徵分類後要對特徵進行處理
包括1.特徵歸一化，離散化，預設值處理。2.特徵降維方法。3.特徵選擇方法等。——主要用於單個特徵的處理。
另外一篇關於處理「
特徵工程之連續特徵與離散特徵處理方法介紹」見此文
原文：
特徵工程 特徵交叉 交叉特徵 特徵組合
關於特徵交叉的作用以及原理，我這裡不進行詳細描述，因為大佬們已經說得很清楚了，這裡就附上幾個連線 特徵組合 特徵交叉 feature crosses 結合sklearn進行特徵工程 對於特徵離散化，特徵交叉，連續特徵離散化非常經典的解釋 下面說怎樣製作和交叉特徵 多項式生成函式 sklearn.pr...
特徵工程之特徵選擇
在前一篇文章中我介紹了一些資料預處理的方法，原始資料在經過預處理之後可以被演算法處理了，但是實際中可能有一些特徵是沒有必要的，比如在中國採集的一些資料，那麼國籍就都是中國，其實也就沒有意義了，反映在統計量上就是方差過小，也就是樣本在這個特徵上變化很小。還有一種情況是特徵和最後的結果相關性很小，也就是...
特徵工程之特徵選擇
特徵選擇其實就是減少屬性個數，為什麼要這麼做呢？直接使用原始資料來訓練模型的話，雖然說在訓練模型上的準確率會非常高，但是在測試樣本上的準確率將會大打折扣，也就是會產生過擬合的現象。所以說需要選擇出最適合的屬性進行訓練。特徵選擇的原因 2 雜訊 部分特徵對 結果又影響 進行特徵選擇的時候有兩種情況 一...