參加了乙個學習小組，大家一起思考問題，正好討論特徵選擇的問題，就記錄一下，很多問題的思考還是比較好的，希望可以幫助大家，也感謝一些討論的小夥伴。
特徵選擇時有過濾法、包裝法，整合法，這些方法在應用的時候有沒有什麼特別的應用場景，還是隨機選擇？
總之任何一種特徵選擇方法都有其優缺點的，但最終目的都是為了優化模型，將各種方法選出的特徵放到模型中去驗證，看其對模型的影響。
過濾法其實相對來說每次特徵提取應該還是穩定的，基本上是確定了特徵之後再開始訓練模型等等，所以個人認為不太可能存在每次篩選的特徵都不一樣，只能說用包裝法、整合方選擇的演算法不一樣導致的特徵不一樣，具體可以在任務中對比一下，結合任務來做選擇，這個好像跟個人經驗非常相關。
我所知道的，時間序列的特徵衍生是最多的，以每週、每月作為週期，以工作日、週末休息日作為單獨的特徵等等，這些衍生的特徵都是非常具有意義的，舉例乘地鐵，工作日大家上下班，地鐵可能會多一些的，休息日，大家很多人待在家裡，不愛出去，地鐵流量就少很多，某些地鐵站的流量可能會因為週末大漲，比如景點地鐵站。描述統計的一些指標：均值 眾數 最大最小 標準差等等。所以特徵衍生是有必要的，出現新特徵也是有參考價值的。詳細例子可以參考特徵衍生
總結下大家的，
特徵衍生的一些常用套路有
根據業務理解對多個特徵間做加減乘除處理，比如面積和**，就可以生成乙個單位面積**
構建描述性統計的指標，比如均值 方差 眾數
還可以考慮將特徵構造不同的組別，比如年齡可以構造成 幼兒 少年 青年 中年 老年等，城市也可以劃分為一線城市、二線城市等等。
iv值可以衡量某個特徵對目標的影響程度，根據iv值過濾的特徵，這個取值範圍該怎麼選比較合適，極端值的處理方式？iv分箱有什麼注意事項？
求iv值遇到極端值時怎麼處理? 比如說為0 該怎麼處理。做平滑嗎？根據隨機森林選取特徵 計算出feature_importances_的值以後 ，是根據從大到小排列之後 又該怎麼篩選特徵？
iv **能力
<0.03 無**能力
0.03-0.09 低
0.1-0.29 中
0.3-0.49 高
>= 0.5 極高且可疑
管理的一些問題換位思考
博弈中的管理 1 不按時發薪水極大挫敗員工的積極性，從而導致的消極怠工問題產生。晚幾天能產生多少利息。要會取捨。2 做越多錯越多責任越多好處越少，員工要花本該用於做事的精力來找理由藉口推卸責任。不能讓老黃牛吃虧。3 員工流失，不要抱怨員工，而是該想想你哪沒做好。是不是更多的考慮了自己的利益，而沒有為...
0302思考並回答一些問題
說說你的感想。另外繼續思考以下問題 人潮洶湧的招聘市場，準備拿什麼去找工作？需要在大學學到一技之長嗎？需要準備什麼專業技能？如何看待it行業？以後是否願意從事it行業？對教學方式有什麼建議？閱讀 構建之法 第7頁，理解評分規則。閱讀 構建之法 第5頁，是否認同教練與學員的關係？閱讀 構建之法 第一章...
0302思考並回答一些問題
教育部 訊息，2015年高校畢業生將達749萬，就業形勢依然嚴峻，要進一步增強信心，打好基礎，完善機制，全力做好高校畢業生就業創業工作。而it行業還將得到進一步的發展，這是毫無疑問的，伴隨著行業的發展，it人才的短缺現象將會越來越嚴重。據保守估計，目前中國市場對it人才的需求每年超過20萬人。而國內...