Asher2022-01-20 22:32:43
Asher生日变年龄到底是属于data wrangling中的transformation还是explore中的feafure engineering？
回答（1）
Essie2022-01-21 19:18:13
Essie你好，生日转化为年龄来讲应该算data transformation更为准确。
- 评论（0）
- 追问（6）
- 追问
-
那讲义上的这个data explore是否有别的例子？ 那红字部分的描述就完全与transformation重合了啊
- 追答
-
你好，比如说关于公司的数据有一列EBIT，有一列interest expense，可以创建一个新的feature，通过EBIT/Interest expense，能更清晰的体现公司对于负债利息的支付能力。
- 追问
-
怎么感觉你说的这个像transformation里的aggregation 就两个变量组合变成一个
- 追答
-
你好，是的，本质上都是创建一个新的更具含义的feature
- 追问
-
可是它又是transformation又是exploring 这考试不就选不出了吗 或者说从这里来看 feature eggnering与data wranggling就没有区别
- 追答
-
你好，它们两者在机器学习中使用的步骤不同，就比如data wrangling它是根据data preparation以后的数据，进行整理，目的是为了便于分析和训练机器学习的模型。而feature engineering是在date exploration数据探索的阶段，目的是对准备好的数据进行更深入的研究，以调查数据的分布和它们之间的关系。feature engineering的核心是创建一个新的更具意义的特征进行深度研究，而data wrangling中还包含过滤、选择、转换等方式，两者肯定是不能划等号的。同一步骤下的几个内容搞清楚辨析就好了，比如data wrangling中的extraction，aggregation，conversion，应对考试问题就不大了。
评论
0/1000
追答
0/1000
+上传图片