Skip to main content
AI EducademyAIEducademy
🌳

AI基础

🌱
AI 种子

面向现实世界的 AI 素养

🌿
AI 萌芽

智能系统背后的基础

🌳
AI 枝干

用当今的 AI 能力去构建

🏕️
AI 树冠

打造可靠的生成式 AI 系统

🌲
AI 森林

负责任地交付 AI 产品

🔨

AI精通

✏️
AI 草图

AI 构建者的工程基础

🪨
AI 雕刻

攻克更难问题的模式

⚒️
AI 匠心

设计可扩展 AI 的系统

💎
AI 打磨

在 AI 时代沟通与引领

🏆
AI 杰作

你的生产级 AI 毕业项目

🚀

职业准备

🚀
面试发射台

驾驭 AI 工程求职市场

🌟
行为面试精通

讲好你创造影响力的故事

💻
技术面试

在压力下解题、设计与沟通

🤖
AI与ML面试

备战现代 ML 与生成式 AI 面试

🏆
Offer与未来

做出自信而明智的下一步

查看所有学习计划→

实验室

已加载 7 个实验
🧠神经网络游乐场🤖AI 还是人类?💬提示实验室🎨图像生成器😊情感分析器💡聊天机器人构建器⚖️伦理模拟器
🎯模拟面试进入实验室→
学习旅程博客
🎯
关于

让AI教育触达每一个人、每一个角落

❓
常见问题

常见问题解答

🧰
AI 工具

我们使用并推荐的精选工具

✉️
联系

与我们取得联系

⭐
开源

在 GitHub 上公开构建

定价
立即开始
AI EducademyAIEducademy

© 2026 AI Educademy. 保留所有权利。

学习

  • 学习计划
  • 课程
  • 实验室
  • AI 入门工具包
  • 定价

社区

  • GitHub
  • 参与贡献
  • 行为准则
  • 关于
  • 常见问题

支持

  • 请我喝杯咖啡 ☕
  • 服务条款
  • 隐私政策
  • 联系我们
  • Sitemap
AI & 工程学习计划›🌿 AI 萌芽›课程›特征工程:教导机器什么是重要的
⚙️
AI 萌芽 • 中级⏱️ 30 分钟阅读

特征工程:教导机器什么是重要的

公开课程预览

了解特征工程如何将原始数据转换为强大的机器学习输入——这是区分优秀模型和优秀模型的技能。

课程体系
AI 萌芽
难度
中级
阅读时间
30 分钟阅读

学习目标

完成本课后,你将理解:

  • ✓🧩 有什么特点?
  • ✓🗃️ 为什么原始数据很少适合模型
  • ✓📏 规范化和标准化
  • ✓🏷️ 编码分类变量
  • ✓🕳️ 处理缺失值

课程大纲

  1. 🧩 有什么特点?
  2. 🗃️ 为什么原始数据很少适合模型
  3. 📏 规范化和标准化
  4. 最小-最大归一化(缩放至 [0, 1])
  5. 标准化(Z 分数,均值=0,std=1)
  6. 🏷️ 编码分类变量
  7. One-Hot 编码
  8. 标签编码
  9. 🕳️ 处理缺失值
  10. 插补
  11. 添加缺失指标
  12. 何时丢弃
  13. 🛠️ 创建新功能
  14. 日期/时间分解
  15. 互动功能
  16. 文本特征
  17. 📊 特征重要性
  18. 🗜️ 降维:简介
  19. 要点

导入预览

机器学习中有一句话: 垃圾输入,垃圾输出 。你可以拥有世界上最复杂的算法,但如果你向它提供准备不足的数据,结果将会很差。相反,如果给定优秀、精心准备的数据,简单算法的性能可能会优于给定原始、混乱数据的复杂算法。 特征工程是将原始数据转换为机器学习算法可以有效学习的表示的技术。它可以说是应用机器学习中最有影响力的技能,也是深层领域知识与数据科学的结合。

使用 Pro 继续学习 特征工程:教导机器什么是重要的

特征工程:教导机器什么是重要的 属于 AI 萌芽

特征工程:教导机器什么是重要的 是 AI 萌芽 的一部分。升级后可解锁完整课程、测验、进度跟踪和所有学院内容。

所有课程和路径
进度同步
证书
免费试用 Pro 7 天请先登录

7 天免费。随时取消,无需任何理由。