特征工程常用于特征提取方法—

1 基本数值特征

本文以bilibili上的学习视频为笔记，代码原图

1.1 离散值处理

np.unique()看一下有多少类别

1.2 标签编码

LabelEncoder

将离散值映射为计算机可以识别的数据。例子是采用的LabelEncoder来实现，数值是从0开始。也可以自己手动写

one-hot Encoding

什么是one-hot编码，简单的说就是，假如有5个类别，“鸡，鸭，鹅，猫，狗”，转换为one-hot编码就是：
鸡-----“1，0，0，0，0”
鸭-----“0，1，0，0，0”
鹅-----“0，0，1，0，0”
猫-----“0，0，0，1，0”
狗-----“0，0，0，0，1”
from sklearn.preorocessing import OneHotEncoder

Get Dummy 构造哑变量

pandas.get_dummies()函数
get_dummies 前：

get_dummies 后：

此部分来源于：https://blog.csdn.net/maymay_/article/details/80198468
可以自动做成one-hot encoder格式

在进行编码前，可以用pd.describe()函数查看数据是否存在问题，然后再进行编码，

二值特征

此部分标签要么为1，要么为0.如下午所示，通过listen_count计数，转化为二值特征就是watched，听过的大于等于1的标签就为1，没听过的就为0.

可用sklearn快捷转变二值特征
from sklearn.preprocessing import Binarizer
bn = Binarizer(threshold = 0.9)//表示大于0.9置为1

多项式特征

from sklearn.preprocessing import PolynomialFeatures
sklearn 的 PolynomialFeatures 的用法,这个类可以进行特征的构造，构造的方式就是特征与特征相乘（自己与自己，自己与其他人），这种方式叫做使用多项式的方式。
例如：有 a、b 两个特征，那么它的 2 次多项式的次数为 [ a , b , a 2 , a b , b 2 ] [a,b,a^2,ab,b^2] [a,b,a2,ab,b2]。
PolyNomialFeatures有3个参数
degree：控制多项式的次数；
interaction_only：默认为 False，如果指定为 True，那么就不会有特征自己和自己结合的项，组合的特征中没有 a2 和 b2；
include_bias：默认为 True 。如果为 True 的话，那么结果中就会有 0 次幂项，即全为 1 这一列。

binning特征

也叫分箱，用于把连续特征划分为离散特征值。
sklearn.preprocessing.KBinsDiscretizer(n_bins=5, encode=’onehot’, strategy=’quantile’)
参数注释：

n_bins：分箱的数量，默认值是5，也可以是列表，指定各个特征的分箱数量，例如，[feature1_bins,feature2_bins,…]

encode：编码方式，{‘onehot’, ‘onehot-dense’, ‘ordinal’}, (default=’onehot’)
onehot：以onehot方式编码，返回稀疏矩阵
onehot-dense：以onehot方式编码，返回密集矩阵
ordinal：以ordinal方式编码，返回分箱的序号
strategy：定义分箱宽度的策略，{‘uniform’, ‘quantile’, ‘kmeans’}, (default=’quantile’)
uniform：每个分箱等宽
quantile：每个分箱中拥有相同数量的数据点
kmeans：每个箱中的值具有与1D k均值簇最近的中心

举个例子，对于以下二维数组，有三个特征，可以创建分箱数组，为每个维度指定分箱的数量：

from sklearn import preprocessing
X = np.array([[ -3., 5., 15 ],
[ 0., 6., 14 ],
[ 6., 3., 11 ]])
est = preprocessing.KBinsDiscretizer(n_bins=[3, 2, 2], encode=‘ordinal’).fit(X)
est.transform(X)
#out
array([[ 0., 1., 1.],
[ 1., 1., 1.],
[ 2., 0., 0.]])

分位数切分

对数变换 BOX-COX变换

让数据呈现更趋于正态分布。
Box-Cox变换是Box和Cox在1964年提出的一种广义幂变换方法，是统计建模中常用的一种数据变换，用于连续的响应变量不满足正态分布的情况。Box-Cox变换之后，可以一定程度上减小不可观测的误差和预测变量的相关性。Box-Cox变换的主要特点是引入一个参数，通过数据本身估计该参数进而确定应采取的数据变换形式，Box-Cox变换可以明显地改善数据的正态性、对称性和方差相等性，对许多实际数据都是行之有效的。

日期相关特征

将时间转换为pandas中的时间属性，可以直接用 .day .month调用

参考文档：
sklearn 学习第二篇：特征预处理
百度百科box-cox变换
唐宇迪机器学习-特征工程-常用特征提取方法