特徵轉換

習題預習

1. 什麼是特徵轉換？它如何幫助機器學習模型改進預測準確性？
2. 特徵轉換有哪些常用方法？請舉例說明其適用情境和效果。
3. 在什麼情況下需要對原始數據進行特徵轉換？有什麼常見的數據問題可以通過轉換解決？
4. 特徵轉換在什麼時候進行，以及如何選擇最佳的轉換方法？
5. 特徵轉換和特徵選擇有什麼區別？在機器學習中，什麼情況下選擇轉換，什麼情況下選擇選擇？

說明知識

Feature Transformation是指在機器學習中，將原始資料的特徵（feature）轉換或重塑，從而提高分類或回歸等問題的準確度和效能。特徵轉換可以改變特徵的形式、範圍或分佈，以更好地配適模型，並且有助於提取特徵間的相關性。

例如，一個簡單的特徵轉換方法是對原始資料進行標準化，即將每個特徵的平均值減去，併除以其標準差。這樣做可以使特徵之間的範圍相同，避免了因為某些特徵值過大或過小而對模型產生不良影響。另一個常見的特徵轉換方法是對原始資料進行主成分分析（PCA），以找到能夠解釋原始資料變異的主要特徵。

舉一個更具體的例子，假設我們要訓練一個模型來預測房屋的價格，我們可能需要對原始資料中的某些特徵進行轉換，以使模型更準確。例如，我們可以將房屋的面積和年齡兩個特徵進行結合，創建一個新的特徵「使用壽命」，並計算房屋的壽命。這樣可以在考慮房屋面積和年齡的同時，更充分地反映房屋的價值。另一個例子是對房屋的位置進行描述，可以使用GPS定位數據獲取房屋所在的經緯度，並將其轉換為特定區域或城市的代碼。這樣可以更好地訓練模型，並提高預測準確度。

條列重點

1. 特徵缺失值處理：將缺失值填充，刪除或估算。
2. 特徵標準化：將不同特徵的數值範圍和分佈轉換為相同的尺度。
3. 特徵二值化：將數值型特徵轉換為二元特徵，常用於文本分類和情感分析等NLP應用中。
4. 特徵降維：從高維特徵空間中提取主要信息，並轉換為低維表示，通常使用PCA、LDA、t-SNE等方法。
5. 特徵生成：利用現有特徵生成新的特徵，例如將文本轉換為tf-idf，添加交叉項等。
6. 特徵選擇：選擇對目標變量預測具有重要影響的特徵，可使用過濾法、包裝法和嵌入法等方法。
7. 特徵順序化：將數值型特徵轉換為有序資料，以在建模時更好地捕捉其對目標變量的影響。

知識測驗

1. 將日期欄位轉換成季度欄位
2. 語言轉換：將英文文本轉換為西班牙文
3. 數字轉換：將人民幣金額轉換成美元金額
4. 文本轉換：將長文本回覆轉換為簡單的前綴
5. 將姓名欄位轉換為性別欄位

答案：

1. 將每一筆日期欄位提取月份，再將月份轉換成對應的季度。
2. 利用語言轉換函數，例如Google Translate API 將文本轉換成對應的西班牙文。
3. 利用匯率轉換函數將人民幣金額乘以轉換匯率，轉換成對應的美元金額。
4. 利用自然語言處理技術，提取回覆文本中的關鍵字，轉換成對應的前綴。
5. 利用姓名中的常見名字和姓氏進行分組，判斷性別並生成對應的性別欄位。