特征变换

【机器学习】（38）—— 特征变换的时机与训练摘要：原始数据进入模型前，几乎总要做特征变换。变换可以发生在训练前，也可以嵌在训练 / 服务路径里；两种做法各有利弊。本文说明两种时机的取舍，重点解释训练—服务偏差（training-serving skew），并用汽车重量标准化、品牌词表与工单文本清洗给出可复现的一致做法与核对清单。适合读完生产系统入门、准备上线特征管道的读者。

机器学习怎么做特征工程特征工程就像厨师做菜前的食材处理：原始数据是“生肉和蔬菜”，特征工程是“切块、腌制、调料搭配”，目的是让机器学习模型（食客）更容易消化吸收，做出更好预测（品尝美味）。

我是有底线的