Feature Engineering

释义 Definition

特征工程：在机器学习/数据科学中，把原始数据（如文本、时间、类别、传感器读数等）转化、清洗、组合与编码为“特征”（features），以便模型更好地学习规律、提升预测效果与可解释性。该术语也常涵盖特征选择、特征构造、特征缩放与处理缺失值等工作。

发音 Pronunciation (IPA)

/ˈfiːtʃər ˌendʒɪˈnɪrɪŋ/

词源 Etymology

由 feature（特征） + engineering（工程化/工程处理） 组成。“feature”源自法语 feature（外形、特征），而“engineering”源自 engineer（工程师）相关词根，强调把数据特征“系统化地设计与构建”，像工程一样可复用、可评估、可迭代。

例句 Examples

Simple: We spent a day on feature engineering to improve the model.
我们花了一天做特征工程来提升模型效果。

Complex: Effective feature engineering, such as encoding categories and creating time-based features, often matters more than choosing a complex algorithm.
有效的特征工程（如对类别进行编码、构造时间相关特征）往往比选择复杂算法更重要。

相关词 Related Words

• Feature
• Dataset
• Preprocessing
• Normalization
• Standardization
• Encoding
• One-Hot
• Imputation
• Feature Selection
• Dimensionality Reduction

文学与经典著作 Literary & Notable Works

• Feature Engineering for Machine Learning（Alice Zheng, Amanda Casari）
• Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow（Aurélien Géron）
• The Elements of Statistical Learning（Hastie, Tibshirani, Friedman）
• Applied Predictive Modeling（Kuhn, Johnson）