4.3. 特征工程
毫不夸張地說，特征工程是DM重要的一環(huán)，也是決定DM比賽的關(guān)鍵因素?？v觀DM比賽，幾年間已由追求模型是否fancy轉(zhuǎn)向無盡的特征工程，主要得益于越來越標(biāo)準(zhǔn)化的ML模型，以及更好的計算能力。
特征工程可以做的很復(fù)雜很龐大，但受限于本人目前的水平，這里只結(jié)合原博客內(nèi)容講解一些最基本（也是最經(jīng)典）的處理方法。
4.3.1. 處理類別變量
類別變量(categorial data)是一種常見的變量，在我之前寫的『新手?jǐn)?shù)據(jù)挖掘中的幾個常見誤區(qū)』 一文的第三節(jié)中討論過 為何要對類別變量編碼
在toy_data當(dāng)中，字段Continent, Country, Product, Brand, TreeID, Industry, Saler都可以看做是類別變量。處理類別變量一般是先標(biāo)簽化，然后再二值化編碼。標(biāo)簽化的目的是將字段的原始值（如字符串、不連續(xù)的數(shù)字等）轉(zhuǎn)換成連續(xù)的整數(shù)值，再對整數(shù)值二值化編碼，如果原始值是整數(shù)，則直接二值化即可
我們拿