机器学习中的特征工程详解

数据和特征决定了机器学习的上限，模型算法只是逼近这个上限。

缺失值处理

删除、填充（均值/中位数/众数）、或作为独立类别。

类别编码

One-Hot 适合无序类别，Label/Target Encoding 适合树模型。

数值变换

对数变换、标准化、分箱，处理偏态分布与异常值。

特征交叉、时间窗口统计等衍生特征，往往能带来显著提升。