作者

WilliamKoehrsen

编辑

Jane

本文经授权转载自AI科技大本营（ID:rgznai）

如今机器学习，正在从人工设计模型，更多地转移到自动优化工作流中，如H20、TPOT和auto-sklearn等工具已被广泛使用。

这些库以及随机搜索等方法，都致力于寻找最适合数据集的模型，以此简化模型筛选与调优过程，而不需要任何人工干预。

然而，特征工程作为机器学习过程中，最有价值的一个环节，却几乎一直由人工来完成。

在本文中，我们通过引用一个数据集作为例子，来给大家介绍基础知识，并给大家介绍一个基于FeaturetoolsPython库，来实现特征工程自动化的实例。

前言

特征工程也可以称作特征构造，是基于现有数据构造新特征，来训练机器学习模型的过程。可以说这个环节，比我们具体使用什么模型更重要，因为机器学习算法，只会基于我们提供给它的数据进行学习，所以构造与目标任务相关的特征是极其重要的（详见论文「AFewUsefulThingstoKnowaboutMachineLearning」）。

论文链接：

转载请注明:http://www.aideyishus.com/lkgx/2254.html