2.Feature_Engineering
Feature Engineering 是機器學習中極為關鍵的一步，它指的是從原始資料中建構出有意義的特徵，來提升模型表現與泛化能力。優秀的特徵工程往往比更複雜的模型更能帶來明顯改善。
1. 主要目標
改善模型輸入品質
發掘隱藏的資料規律與模式
提高模型準確度與穩定性
降低維度或冗餘度，減少過擬合風險
2. 標準流程
資料理解：瞭解欄位意義、型別、資料分布與缺失情況
特徵清理：處理缺值、極端值、重複欄位與無效資訊
特徵轉換：包含標準化、正規化、類別編碼等
特徵建構：根據領域知識進行數學運算、交互項建立、新欄位衍生
特徵選擇：移除冗餘或無關欄位，提升模型效率
特徵評估：透過交叉驗證、重要性分析確認特徵價值
3. 常見方法
數值特徵處理
Min-Max Scaling
Standardization (Z-score)
Binning（分箱）
Log/Root 轉換（對偏態數據）
類別特徵處理
Label Encoding
One-Hot Encoding
Frequency / Target Encoding
Embedding（進階：NLP、推薦系統）
特徵建構
組合欄位（如價格/數量 = 單價）
時間特徵分解（年/月/星期幾）
群組統計（groupby mean/std）
多項式特徵（PolynomialFeatures）
特徵選擇（與降維相關）
Variance Threshold
Correlation Filtering
L1 Regularization（Lasso）
Recursive Feature Elimination（RFE）
4. 工具套件
資料處理
pandas, numpy
編碼轉換
sklearn.preprocessing
特徵建構
PolynomialFeatures, 自定義函數
特徵選擇
sklearn.feature_selection
自動化
Feature-engine, tsfresh（時間序列）
5. 注意事項
特徵處理只能用「訓練集資訊」產生轉換器（防止資料洩漏）
記得搭配
Pipeline封裝流程，避免錯誤盡可能保留業務意義與可解釋性
6. 延伸主題（可擴充）
Feature Importance 解釋（如 SHAP）
自動特徵工程（AutoML）
時間序列特徵工程
本資料夾適用於各種資料型態（表格、時間序列、類別資料），每個主題可進一步拆分成範例實作檔案。
Last updated