图片来源请点这里
到今天，我已经不再挣扎于理解代码。打算深入学习理论知识，后续打好Python基础后再认真研究代码。

一、名称解释

1.特征及特征工程

特征是数据中抽取出来的对结果预测有用的信息，可以是文本或者数据。特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。过程包含了特征提取、特征构建、特征选择等模块。
特征工程的目的是筛选出更好的特征，获取更好的训练数据。因为好的特征具有更强的灵活性，可以用简单的模型做训练，更可以得到优秀的结果。

原文链接：https://blog.****.net/joycewyj/article/details/51647036

2.特征工程处理的意义

基于更准确地特征可以创建更简单的模型，更简单的模型它的性能也就更好，所需的计算时间也就越短。

3.特征工程主要包含特征构造、特征提取、特征选择。

特征构造指的是从原始数据构造新特征的处理过程，一般需要 根据业务分析 ，生成能更好体现业务特性的新特征。特征构造仍然是对数据的变换，像这次打卡学习，对二手车交易价格预测就要搜集些二手车价格相关的数据了。

特征抽取指的是从原始数据抽取新特征。抽取的目的是将多维的或相关的特征降低到低维，以提取主要信息或生成与目标相关性更高的信息。

特征选择是指对特征进行一定的选择。通过原始数据抽取出的的特征并不都是“平等”的，通过一些判断将与问题无关的特征移除，对模型表现影响很大的一些特征保留。

二、特征处理

1.常见的特征工程包括：

a.异常处理

• 通过箱线图（或 3-Sigma）分析删除异常值；
• BOX-COX 转换（处理有偏分布）；
• 长尾截断；

b.特征中心化、标准化、归一化

中心化：把数据整体移动到以0为中心点的位置。将数据减去这个数据集的平均值。
标准化：把整体的数据的中心移动到0，数据再除以一个数。在数据中心化之后，数据再除以数据集的标准差。
归一化：把数据的最小值移动到0，再除以数据集的最大值。对这个数据集的每一个数减去min，然后除以极差。
左边是原始数据的分布情况、中间是经过中心化的分布情况、右边是经过标准化后的情况
左边是原始数据的分布情况、中间是经过中心化的分布情况、右边是经过标准化后的情况
标准化、中心化、归一化