在機器學習裡面，為了要追求更好的表現，我們除了要選出最適當的演算法來應對不同場景外，同時，在將原始資料蒐集好後，我們該如何從中萃取出重要且有用的資訊，是非常重要的一件事情，這就是所謂的”特徵工程”，今天我們就來針對這個主題談談吧！
所謂的”特徵工程”，指的是將原始資料裡重要的特徵抽取出來，而被抽取出來的特徵可以很好的描述原始資料，並進而使整個機器學習的演算法有更好的表現，這就是特徵工程所期望達到之目的。而在執行面上，這樣一個流程往往需要大量的領域專家（domain expert）以及領域知識(domain knowledge)，因為唯有對某特定領域有深入了解的人，才容易找出資料裡重要的特徵。
一般來說，特徵工程不只非常倚靠經驗，它也是個非常花時間以及勞力的一個過程（*），但這也是整個AI系統能否表現的比其他系統出色的關鍵點之一，有好的特徵工程，不只能提高準確度，也可能大大降低模型複雜度並減少所需要的電腦資源。
那麼我們要如何去學習這樣一個很吃經驗的技巧呢？其實在很多數據比賽平台上面，如Kaggle、KDD，有著各式各樣不同領域的資料集，同時也有許多高手在上面分享許多他們多年特徵工程之技巧，或許特徵工程這門學問無法有系統性的成為一本教科書，但我們可以藉由大量去閱讀不同專家的小技巧從中學習，我想這是增進特徵工程功力的不二法門之一吧！
最後，我想要補充的是一個在資料領域裡常被流傳的一段話，“數據和特徵決定了機器學習的上限，而模型和算法只是逼近這個上限而已”（*），這段話其實點出了數據以及特徵這兩個因素對導入AI之重要性，也是在實務上往往會被忽略的細節之一。
（*）根據資料顯示，這個過程可能長達整個專案一半的時間
（*）原文為data and characteristics determine the upper limit of machine learning, and models and algorithms just approach this upper limit.
＊本文由知名AI講師-Isaac Lee 李厚均所撰寫
文章轉載自我們共同經營的粉絲頁-小李談數智https://www.facebook.com/isaac60103
更多圖解內容可以到 耀西圖像視覺化教室看看https://www.facebook.com/YoshiGraphics
