特征转换的重要性

请考虑任务是确定信用卡交易是否是欺诈行为的机器学习模型。根据您的应用背景知识和数据分析结果，您可能需要确定哪些数据字段 (或特征) 务必要包含在输入数据中。例如，交易金额、商户名称、地址和信用卡所有者的地址都必须提供给模型学习过程。另一方面，随机生成的交易 ID 不含信息 (如果我们知道该 ID 确实是随机的)，因此没有用处。

确定要包含哪些字段之后，您可以转换这些特征，以帮助学习过程。通过转换为输入数据添加背景经验，可让机器学习模型从中受益。例如，以下商户地址将用字符串表示：

"123 Main Street, Seattle, WA 98101"

地址本身的表达能力有限，它只对与确切地址相关的学习模式有用。但是，将其分成各组成部分可创建其他特征，例如“地址”(123 Main Street)、“城市”(Seattle)、“州”(WA) 和“邮政编码”(98101)。现在，学习算法可以将多个离散的交易分组在一起并发现更广泛的模式，可能某些商户邮政编码遭遇欺诈行为的几率比其他商户更多。

有关特征转换方法和过程的更多信息，请参阅机器学习概念。