7. 特徵建模

模型不是吃生資料的 — 特徵工程把原始欄位「煮」成模型消化得了的養分。業界老話:特徵決定上限,模型只是逼近它。

核心觀念

特徵工程(Feature Engineering)是把領域知識轉成數值表達的過程,直接決定模型效能。四大基本功:縮放(標準化/Robust,統一數值尺度)、編碼(One-hot/Label,把類別轉成數字)、特徵交叉(組合欄位產生新資訊)、時間窗(把歷史行為聚合成「近 7 天消費次數」這類特徵)。

白話理解

電信商做流失預測:原始資料只有通話紀錄,工程師做出「近 30 天通話分鐘數」「客服來電次數乘以合約剩餘月數」等特徵,再看特徵重要性排序,發現客服來電是最強訊號 — 這個洞察比模型本身更值錢。

這一站的全景

• 縮放與編碼:進模型前的標準前處理,方法選錯會直接誤導模型
• 特徵交叉與時間窗:把「星期幾乘時段」「滾動平均」這類組合與序列資訊餵給模型
• 建模:結構化資料用 ML(樹模型、線性模型);有時間順序的資料用時間序列(Time Series)方法
• 資料策略:樣本不平衡用重抽樣或權重調整;資料太少用資料增強擴充
• 迭代精煉:用特徵重要性回頭刪除無用特徵,越煉越純

🎯 口訣:縮放、編碼、交叉、開窗 — 特徵決定上限,模型逼近上限。

iPAS 考點

考「情境選技巧」:欄位組合(星期幾加時段)選特徵交叉;類別欄位進線性模型,考編碼方式的選擇;違約、詐欺這類稀有事件,考樣本不平衡處理。答題邏輯固定:先看資料型態,再配對應的特徵工程手法。