梳理需要哪些数据
评估可用性
（获取难度、准确率、覆盖率）
特征清洗
- 清洗异常样本
- 采样，正负样本均衡
- 采样，样本权重
预处理
单个特征
- 归一化
- 离散化
- dummy coding
- 缺失值
- log
- 指数
- box-cox
多个特征
降维
- pca
- lda
特征选择
filter：自变量和目标变量之间的关联
- 相关系数
- 卡方检验
- 信息增益
wrapper：通过目标函数（AUC/MSE）来决定是否加入一个变量
- 通过迭代，产生迭代子集（完全搜索、启发式搜索、ga、sa）
embedded：学习器自身自动选择特征
- 正则化，l1-lasso
- 正则化，l2-ridge
- 决策树-信息增益、熵
- 深度学习
特征监控
- 监控重要特征
