特征工程与实战流程

什么是特征

特征是喂给模型的「输入变量」。同一件事，描述方式不同，模型学起来天差地别：预测房价，「到地铁站 800 米」是好特征，「门牌号是 42 号」基本是噪声。

特征工程：把原始数据变成好输入

• 数值化：类别变数字，比如「朝南 / 朝北」变 0 和 1。
• 归一化：把不同量纲拉到相近范围——面积几十到几百、单价几万，不缩放的话大数值会主导训练。
• 构造新特征：人的经验在这里发光。预测用电量，「是不是节假日」往往比「日期」本身有用得多——这是人替机器指出的视角。

一个完整项目的流程

1. 定义问题：回归还是分类？什么叫「好」？
2. 收集和清洗数据（实际项目里最花时间，常占一半以上）。
3. 特征工程。
4. 选模型、训练、用验证集调参。
5. 测试集最终评估，部署上线，持续监控。

常见误区

迷信「换个大模型就能解决一切」。业界共识：数据和特征决定效果的上限，模型只是逼近这个上限——垃圾进，垃圾出。

结语：通往 d2l 的地图

九讲到此，读 d2l 的地图已经在你手里：预备知识补数学（线代、微积分、概率、自动微分）→ 线性网络对应第三讲的回归 → 多层感知机正式讲过拟合与正则化 → 之后卷积、循环、注意力一路展开。原书用 PyTorch 把每个概念写成能跑的代码，边读边跑，就是这门课最好的续集。

练一练：选一个你关心的问题（比如「明天要不要带伞」），写出你会收集的 5 个特征。