特征工程是将原始数据，通过业务逻辑理解、数据变换、特征交叉与组合等方式，量化成模型训练和预测可直接使用的特征的过程。其中主要包括了数据认知，数据清洗，特征构建，特征选择四个部分。
数据认知：基于实际业务场景理解数据内容，发现数据与研究问题的关系。
数据清洗：对数据进行规整，移除重复变量、处理缺失、异常数据等。
特征构建：通过业务理解和技术实施，构造出描述研究问题的特征。
特征选择：在构造的特征中筛选出最能刻画研究问题的特征。
数据认知
根据业务需求，确定数据提取范围，包括数据内容、数据时间范围。
数据清洗
观察提取出的数据，进行异常数据、缺省数据、重复数据等的处理。
特征构建
特征构建是指从原始数据中人工的找出一些具有物理意义的特征，将原始数据属性转换为数据特征。以便更好地找到数据的潜在趋势，减少噪声干扰，便于后续建模。常用的特征构建方法如下：
1、业务特征
业务特征来源于实际业务场景中的数据，通过这些数据往往可以构造出大量的反应业务特点的特征。比如客户的年龄、性别、婚姻状态、居住状态等基本信息。
2、RFMP分析
RFMP分析就是根据客户活跃程度和交易金额的贡献，进行客户价值细分的一种方法。RFMP 含义如下：
R（Recency）：客户最近一次交易时间的间隔。R值越大，表示客户交易发生的日期越久，反之则表示客户交易发生的日期越近。
F（Frequency）：客户在最近一段时间内交易的次数。F值越大，表示客户交易越频繁，反之则表示客户交易不够活跃。
M（Monetary）：客户在最近一段时间内交易的金额。M值越大，表示客户价值越高，反之则表示客户价值越低。
P（Percentage）：客户在最近一段时间内交易频次或者金额的占比。P值越大，表示客户价值越高，反之则表示客户价值越低。
特征选择
为了得到更好的模型，使用某些算法自动的筛选出原始特征的子集。特征选择不会构建或修改已有的特征，但是会通过修剪特征来进一步减少噪声和冗余。常用的特征选择方法有：
1、Filter方法
对每一维的特征“打分”，即给每一维的特征赋予权重，这样的权重就代表着该维特征的重要性，然后依据权重排序。
主要的方法有：Chi-squared test(卡方检验)，ID3(信息增益) ，correlation coefficient scores(相关系数)
2、Wrapper方法：
根据目标函数（通常是预测效果评分），每次选择若干特征，或者排除若干特征。
主要方法有：recursive feature elimination algorithm(递归特征消除算法)
3、Embedded方法
先使用某些机器学习的算法和模型进行训练，得到各个特征的权值系数，根据系数从大到小选择特征。类似于Filter方法，但是是通过训练来确定特征的优劣。
主要方法：基于惩罚项的特征选择法、基于树模型的特征选择法
输入：待处理的特征变量
输出：特征变量IV值、WOE编码、挑选后的特征变量
当上述过程完成后，可能还会存在特征矩阵过大，导致计算量大、训练时间长的问题，因此可进一步对特征进行降维处理。常用的降维方法主要包括PCA(主成分分析法)和LDA(线性判别分析法)等。
