关于数据特征提取

来源：8-10 L1, L2和弹性网络

寅时猛抽风

2018-08-25

老师你这个视频里都是以多项式为例，用lasso可以筛选出特征。根据lasso的原理和多项式回归本身就是线性回归，所以我可以立即推，在线性回归中也可以用lasso进行特征提取。而前一章的pca降维的方法也可以压缩特征，起到一定的特征提取的作用。那么我的问题是，关于特征提取是不是一个很大的课题，有很多种方法可以实现特征提取，能否提供点学习资料，要讲得比较通俗的那种。

波波老师一个2小时的视频，我都需要最少花费4个小时哪能刷完，还只是入门课程，并且需要更加深刻的理解，还需要线性代数和概率与统计的充分理解，高数貌似现在为止就是用了个复合函数求导。机器学习之所以现在这么缺人，一方面是因为计算机算力发展近十几年才能达到要求，另一方面，确实还是这个涉及面太广了，单纯的一个数学都够呛，还要编程，还要专业知识。

写回答

2回答

liuyubobobo

2018-08-25

已采纳

对，特征工程是一个很大的话题。而且深入机器学习，会发现特征工程是一个很重要的话题。可以在网上搜索“特征工程”寻找相关资料。书籍方面，比如在亚马逊上就有这些相关书籍：https://www.amazon.com/s?url=search-alias%3Daps&field-keywords=feature+engineering&sprefix=feature+engineer%2Caps%2C207&crid=22UPG9M8XLIMK

同时，特征工程更复杂的地方在于，高度领域相关，处理的领域不同，数据不同，有效的特征工程的方式很有可能完全不同。具体在不同领域的优秀的特征工程方法，需要参考更多领域论文，或者专有领域的相关材料。从某个角度，甚至可以说，每个领域的前沿研究中，有大量研究，就是在搞这个领域的特征工程：）

对于特征工程这种内容，当下的情况是，有系统介绍的材料就已经很好了，通俗易懂简直是奢求。通过上面我给你的亚马逊的链接可以看出来，连“特征工程”相关的书籍都少之又少：）

关于特征工程的更多讨论，可以参考这个问答：https://coding.imooc.com/learn/questiondetail/40722.html

加油！

寅时猛抽风

非常感谢！

2018-08-25

共1条回复