特征工程：让机器看懂世界

机器不能直接看见一张照片或一段文字，它只处理数字。特征工程就是把原始素材转换成对任务有用的数字描述的过程。本文用相亲简历和挑选食材的类比，讲清特征构造、选择与变换三类操作，以及深度学习如何改变了这项工作。

从像素到“有胡须”

人看一张猫的照片，一眼就认出是猫；机器看到的却是一个数字矩阵，每个格子记录一个像素的亮度。要让机器学会分辨，就得先把原始素材转化成有意义的描述：有没有胡须状的边缘、耳朵是尖的还是圆的、毛色如何分布。这些描述就是特征。

类比相亲：整页自我介绍是原始数据，而年龄、身高、学历、常住城市是特征。你怎么提炼这些字段，直接决定了后面的匹配算法能有多准。特征工程做的就是这份把杂乱信息整理成结构化字段的活儿。

三类常见操作

特征工程有三类常见操作。一是构造，把已有字段组合出新的量，比如用总价除以面积得到单价；二是选择，删掉与目标无关或互相重复的字段，减少噪声和计算量；三是变换，把取值范围差异巨大的字段缩放到可比区间，或者把类别文字转成数字编码。

为什么要变换？想象两个特征，一个取值在零到一之间，另一个在零到一百万之间。很多算法按距离判断相似性，后者会完全压倒前者，模型相当于只在看一个字段。缩放之后，两个特征才有平等的发言权。

深度学习改变了什么

好特征的价值常被低估。在不少实际项目里，一位熟悉业务的工程师手工构造出的几个关键特征，就能让一个简单的线性模型达到相当不错的效果；而复杂模型配上糟糕的特征，反而更差。

深度学习的流行改变了这件事。多层网络能从原始像素、原始文字中自动逐层提取特征，省去了大量人工设计，这也是它在图像、语音、文本上表现突出的原因。但这不等于特征工程消失了：在表格数据和小样本场景里，人工特征依然是核心竞争力。

本文为 AI 科普内容，仅用于知识普及，不构成任何技术选型、投资或职业决策建议。