[原创]机器学习基础-特征工程1-编程技术-看雪安全社区

[原创]机器学习基础-特征工程1

发表于: 2025-9-15 19:46 1810

[原创]机器学习基础-特征工程1

charley_Lu 活跃值

2025-9-15 19:46

1810

在机器学习建模中，特征最终必须是数字形式，但原始特征可以是各种类型（文本、类别、图像等）。让我用通俗易懂的金融风控例子一步步解释：

--------------------------------------------------------------------------------

1 ，为什么需要数字形式？

机器学习模型本质是数学公式（如 y = ax + b），只能处理数字。
例子：判断贷款风险时，模型需要计算：

* 年龄（30岁 → 数字30）
 * 职业（"教师" → 需转换为数字）
 * 信用记录（"良好"/"差" → 需转换为数字）

--------------------------------------------------------------------------------

2,非数字特征如何转换？
 - 情况1：类别特征（如职业、学历） **独热编码**（One-Hot Encoding）
   例子：职业特征
   * 原始数据：["教师", "程序员", "教师", "销售"]
   * 转换后：
|职业_教师 |职业_程序员 | 职业_销售 |
|----|----|-----|
|1| 0| 0 |
|0 |1 |0|
|1| 0| 0|
|0 |0 |1|
      
   原理：每个职业变成一个新的0/1特征列，避免模型误认为"教师>程序员"。

- 情况2：有序类别（如信用评级） **标签编码**（Label Encoding）
   例子：信用等级（A>B>C）
   * 原始数据：["A", "B", "C", "A"]
   * 转换后：[2, 1, 0, 2]
     原理：保留顺序信息（A=2分最高，C=0分最低）。

- 情况3：文本特征（如贷款用途描述） **TF-IDF或词嵌入**
   例子：贷款描述"装修房屋"
   * 转换为向量：[0.21, 0.75, ...]（每个数字代表关键词权重）

- 情况4：日期特征（如申请日期）**拆解为数字**
   例子：2023-08-15
   * 转换为：
| 年   | 月 | 日  | 星期  | 季度 |
|------|----|-----|---------|------|
| 2023 | 8  | 15  | 2 | 3    |

--------------------------------------------------------------------------------

- **特例**：树模型可部分兼容类别

像随机森林这类模型能直接处理类别特征（内部自动转换），但为了一致性，实践中仍建议先转换为数字。

--------------------------------------------------------------------------------

- 金融风控实战案例

假设要预测贷款违约风险，原始数据：

| 年龄 | 职业   | 信用等级 | 贷款金额   |
|------|--------|----------|------------|
| 35   | 教师   | B        | 50,000     |
| 28   | 程序员 | A        | 100,000    |

转换后数字特征矩阵：

| 年龄 | 职业_教师 | 职业_程序员 | 信用等级 | 贷款金额 |
|------|-----------|-------------|----------|----------|
| 35   | 1         | 0           | 1        | 50,000   |
| 28   | 0         | 1           | 2        | 100,000  |

模型才能计算：
风险分 = 0.3×年龄 + (-0.5)×职业_教师 + ...

--------------------------------------------------------------------------------

##  关键总结

* 必须转换：所有特征最终需变为数字（整数/浮点数）。
 * 转换方法：根据特征类型选择编码策略（独热/标签/TF-IDF等）。
 * 金融场景：
   * 职业/学历 → 独热编码
   * 收入/负债比 → 直接使用数字
   * 信用记录 → 标签编码（A=3, B=2, C=1）
   * 文本备注 → TF-IDF向量化

传递专业知识、拓宽行业人脉——看雪讲师团队等你加入！！

#基础知识

收藏・0

点赞・3

打赏

最新回复 (2)
需要渗透高手雪币： 114 活跃值： (280) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 42 粉丝 1 关注私信	需要渗透高手 2 楼 good 2026-4-28 16:55 0
需要渗透高手雪币： 114 活跃值： (280) 能力值： ( LV2，RANK：10 ) 在线值：发帖 0 回帖 42 粉丝 1 关注私信	需要渗透高手 3 楼 good 2026-4-28 16:55 0
	游客登录 \| 注册方可回帖回帖表情雪币赚取及消费高级回复

charley_Lu

发帖

回帖

RANK

关注

私信

他的文章

关于我们

联系我们

企业服务

看雪公众号

专注于PC、移动、智能设备安全研究及逆向工程的开发者社区