原始数据并不总是最适合直接用于分析。本章开篇，您将初步了解如何变换与创建特征，以提升模型的性能与可解释性。

什么是特征工程？

一个试探性的模型

手动构造一个特征

利用领域知识创建新特征

为分析准备数据

构建工作流

提升原始数据中的信息量

识别缺失值

填补缺失值并创建哑变量

拟合并评估模型

预测酒店预订

特征工程概述

在本章中，您将学习到，除了手动变换特征之外，还可以利用 tidyverse 的工具以编程方式构造新变量。您将探索这种方法如何提升模型的可复现性，尤其适用于包含大量特征的数据集。

为何要转换已有特征？

快速浏览数据

标准化与对数变换

拟合与扩充

自定义模型评估

常见特征变换

常见变换

基础 recipe

Box-Cox 变换

Yeo-Johnson 变换

高级转换

基线

step_poly()

step_percentile()

谁会留下来？

变换特征

接下来，您将学习模型常常能从降维与从高维数据中提取特征中受益，包括将文本数据转换为数值、对分类数据进行编码，以及衡量变量的预测能力。您将探索的方法包括主成分分析、核主成分分析、从文本中提取数值、分类编码，以及变量重要性评分。


降维

准备工作

深入查看结构

解释方差百分比

可视化方差解释度

特征哈希（Feature hashing）

调查教育领域

走进矩阵

探索哈希

可视化哈希结果

使用监督学习对分类数据进行编码

设置工作流

拟合、增广与评估

将模型合并在一起

变量重要性

创建一个 workflow

拟合并增广

主要预测因子是哪一个？

提取特征

在课程收尾，您将学习特征工程与机器学习技术。您将首先关注在模型中使用全部可用特征所带来的问题，以及识别无关和冗余特征的重要性，并学习使用嵌入式方法（如 lasso 与 elastic-net）去除这些特征。随后，您将探索收缩方法，如 lasso、ridge 和 elastic-net，可用于正则化特征权重，或通过将系数设为 0 来进行特征选择。最后，您将学习如何构建端到端的特征工程工作流程，并在一个小型项目中回顾与练习前面学到的概念与函数。

减少模型的特征

筛选变量重要性

使用所有可用自变量评估模型性能

构建精简模型

收缩方法

使用 Lasso 的手动正则化

调整惩罚项

模型定型

整合所学：完整流程

预处理与数据拆分

预处理

模型

评估

恭喜您！

选择特征

在本课程中，您将学习特征工程，它是许多机器学习模型的核心。由于模型性能直接取决于输入的特征，特征工程因此把领域知识置于流程中心。您将熟悉可靠的特征工程原则，尽可能减少变量数量、加快学习算法、提升可解释性，并防止过拟合。

您将学习如何使用 R 的 tidymodels 框架实现特征工程技术，重点介绍 recipe 包，它能帮助您为模型创建、提取、变换并选择最佳特征。

面对新数据集时，您将能够识别并选择相关特征，剔除无信息特征，使模型在不牺牲准确性的前提下运行更快。您还会熟练应用各类变换并创建新特征，使模型更加高效、可解释且准确！

<h2>探索机器学习特征工程</h2>
在本课程中，你将学习特征工程，它是许多机器学习模型的核心。 由于任何模型的性能都直接取决于其输入的特征，因此特征工程将领域知识置于整个过程的核心。 你将熟悉扎实的特征工程原则，这将帮助你在可能的情况下减少变量数量，加快学习算法运行速度，提升可解释性，并防止过拟合。

<h2>在 R 中实施特征工程技术</h2>
您将学习如何使用 R tidymodels 框架实现特征工程技术，重点介绍 recipe 包，它将帮助您为模型创建、提取、转换并选择最佳特征。

<h2>工程特征并构建更好的机器学习模型</h2>
面对一个新的数据集时，你将能够识别并选择相关特征，忽略无信息特征，从而在不牺牲准确性的前提下让模型运行得更快。 您还将熟练掌握应用转换和创建新特征，使您的模型更高效、更具可解释性且更准确！

Supervised Learning in R: Classification

Supervised Learning in R: Regression

学习特征工程原则及如何用R的tidymodels框架实现机器学习模型。

R 中的特征工程

学习机器学习模型的特征工程原理，以及如何使用 R tidymodels 框架实现它们。 



数据科学家 在 R 中

机器学习科学家 在 R 中

Research Professor and Head of the Modeling Group at the School of Economics, UASLP

提升原始数据中的信息量

Create Your Free Account