🔑 名詞卡
特徵工程（Feature Engineering）
🎯 定義
透過資料理解、領域知識與建模目標的整合，設計、轉換或建構有意義的輸入特徵，以提升模型學習效率與表現的過程；並非單純套用預設演算法，而是有目的、有規劃的決策過程。
重點／應用
- 依任務類型設計特徵：分類偏好離散分群特徵；迴歸偏好連續趨勢特徵。
- 依模型性質調整：線性模型注意尺度與共線性；樹模型對標籤編碼敏感；距離式模型（KNN）需特徵尺度一致。
- 探索隱含結構：合成特徵（單價×數量=總價）、統計聚合特徵（過去7天點擊次數）。
- 涵蓋範疇：缺失值/異常值處理、特徵選擇、降維、尺度調整（標準化/正規化）、類別編碼、時間特徵轉換、資料增強。
記憶技巧
「資料品質與特徵表達，往往比演算法本身更決定模型最終表現」。
易混淆
- vs 特徵選擇：特徵工程涵蓋範圍更廣（含建構新特徵、轉換、編碼），特徵選擇只是從既有特徵中挑選子集，不創造新特徵。
📖 課文原文「特徵工程並非僅是技術操作，更涉及資料理解、領域知識與建模目標的整合。並非單純地套用預設的演算法或工具，而是一個有目的、有規劃、需要深思熟慮的決策過程。」