机器学习面试题- 特征工程

往往数据和特征决定了结果的上限，模型与算法决定了结果的下限。

数据类型：

• 结构化数据（表）
• 非结构化数据（图像、语音、文本等）

1、为什么要对特征做归一化

为了消除数据特征的量纲影响，使得不同特征之间具有可比性。

例如一个人的身高与体重对健康的影响。m与kg做单位，1.4-1.9与40-100kg范围。如果不做归一化，结果会倾向于数值差别比较大的体重特征。

想要得到更为准确的结果，所以会做归一化，使得各指标处于同一数值量级，方便分析

2、对特征归一化的方法

2.1 线性函数归一化

它对原始数据进行线性变换，使结果映射到[0, 1]的范围，实现对原始数据的等比缩放。归一化公式如下：

2.2 零均值归一化

它会将原始数据映射到均值为
0、标准差为1的分布上。具体来说，假设原始特征的均值为μ、标准差为σ，那么归一化公式定义为

3、对数据预处理时，如何处理类别型特征

类别型特征（Categorical Feature）主要是指性别（男、女）、血型（A、B、AB、O）等只在有限选项内取值的特征。

3.1 序号编码

序号编码通常用于处理类别间具有大小关系的数据。
例如成绩，可