机器学习起步时倾向于多搜集特征

在开展机器学习项目时，最终模型的生成在多数情况下并不是一步到位的。在实践中，我们很难在研究的一开始就能够非常精准地确定所有合适的特征变量，也无法保证搜集整理的数据都是准确、完整、充分的。事实上，如果我们一开始就很完美地确定好这些内容，那么从另外一个角度来讲，也就局限住了思路，放弃了通过模型过程可能获得的新认知。

因此，为了达到最优模型预测效果，我们在符合成本效益的原则下倾向于搜集尽可能多的、预期对响应变量预测有效果的特征变量。比如在预测商业银行对公授信客户违约问题时，商业银行对公客户授信业务的资产质量或者说预期客户是否违约会受很多因素的影响，包括但不限于客户的基本信息、负债信息以及客户在生产经营、财务管理、资本运作、现金流量、对外担保等方面的信息，最佳策略是从多个维度挖掘一系列客户特征用于机器学习算法模型的构建。

特征分为强相关、弱相关和冗余特征

在构建的最终模型中，我们需要确定响应变量、特征变量以及所使用的数据集。但是一个不容忽视的事实就是，不同特征变量对于响应变量的预测效果是有显著差别的。具体来说，在将特征变量真正加入模型进行训练时，有的特征变量确实对预测响应变量很有效果，属于强相关特征；还有的特征变量则对预测响应变量效果很差，无法或者难以带来算法整体性能的边际提升，属于弱相关特征；还有的特征变量虽然对预测响应变量很有效果，但完全可以通过模型中其他单一特征或特征组合来推断、替代，因此也无法或者难以带来算法整体性能的边际提升，属于冗余特征。

特征选择的概念

我们从众多特征中选择强相关特征，排除弱相关特征及冗余特征的过程，就是特征选择（Feature Selection）。

Python机器学习书目推荐

以上内容节选自《Python数据科学应用从入门到精通》（张甜 杨维忠 著 2023年11月新书 清华大学出版社）。

针对数据分析或机器学习推荐两本入门级的图书：《Python机器学习原理与算法实现》（杨维忠 张甜 著 2023年2月新书 清华大学出版社）《Python数据科学应用从入门到精通》（张甜 杨维忠 著 2023年11月新书 清华大学出版社）。这两本书的特色是在数据分析、机器学习各种算法的介绍方面通俗易懂，较少涉及数学推导，对数学基础要求相对不高，在python代码方面讲的很细致，看了以后根据自身需要选取算法、优化代码、科学调参。都有配套免费提供的源代码、数据文件和视频讲解，也有PPT、思维导图、习题等。

Python机器学习原理与算法实现

为什么说这两本书值得？首先说《Python机器学习原理与算法实现》（杨维忠 张甜 著 2023年2月新书 清华大学出版社），内容非常详实，包含了Python和机器学习，相当于一次获得了两本书。在讲解各类机器学习算法时，逐一详解用到的各种Python代码，针对每行代码均有恰当注释（这一点基本上是大多数书目做不到的）。这本书在出版之前曾开发成9次系列课程，在某股份制银行全行范围类开展培训，490人跟随杨维忠老师上课学习（课程限报490人），培训完成后课程在知鸟平台上回放超过3万人次。很多银行员工通过这些学习一下子就学会了Python，并且用于工作中开展数据分析、机器学习、数据可视化等，这本书也被多家商业银行选做数字化人才培训教材，成为银行员工的一本网红书。

Python数据科学应用从入门到精通

《Python数据科学应用从入门到精通》一书，旨在教会读者实现全流程的数据分析，并且相对《Python机器学习原理与算法实现》一书增加了很多概念性、科普性的内容，进一步降低了学习难度。国务院发展研究中心创新发展研究部第二研究室主任杨超 ，山东大学经济学院金融系党支部书记、副主任、副教授、硕士生导师张博，山东管理学院信息工程学院院长 袁锋 教授、硕士生导师，山东大学经济学院刘一鸣副研究员、硕士生导师，得厚投资合伙人张伟民等一众大牛联袂推荐。书中全是干活，买这一本书相当于一下子得到了5本书（Python基础、数据清洗、特征工程、数据可视化、数据挖掘与建模），而且入门超级简单，不需要编程基础，也不需要过多数学推导，非常适用于零基础学生。全书内容共分13章。其中第1章为数据科学应用概述，第2章讲解Python的入门基础知识，第3章讲解数据清洗。第4~6章介绍特征工程，包括特征选择、特征处理、特征提取。第7章介绍数据可视化。第8~13章介绍6种数据挖掘与建模方法，分别为线性回归、Logistic回归、决策树、随机森林、神经网络、RFM分析。从数据科学应用和Python的入门，再到数据清洗与特征工程，最终完成数据挖掘与建模或数据可视化，从而可以为读者提供“从拿到数据开始，一直到构建形成最终模型或可视化报告成果”的一站式、全流程指导。

两本书随书赠送的学习资料也很多，包括全部的源代码、PPT、思维导图，还有10小时以上的讲解视频，每一章后面还有练习题及参考答案，还有学习群，相对于只看网络上的视频，一方面更加系统、高效，另一方面照着书一步步操作学起来也事半功倍。全网热销中，当当、京东等平台搜索“Python机器学习 杨维忠”“Python数据科学 杨维忠”即可。

《Python机器学习原理与算法实现》（杨维忠、张甜著，2023年2月，清华大学出版社），适用于学习Python/机器学习

《Python数据科学应用从入门到精通》（张甜 杨维忠 著 2023年11月新书 清华大学出版社）适用于学习数据分析、数据科学、数据可视化等。

创作不易，恳请多多点赞，感谢您的支持！也期待大家多多关注我，让我共同学习数据分析知识。