什么是 python 特征生成？

业内常说，数据决定模型效果的上限，而机器学习算法通过数据特征进行预测，良好的特征可以显着提升模型效果。这意味着通过特征生成（即从数据设计中加工模型的可用特征）是特征工程中的重要一步。

一、特征生成作用

1、增加特征的表达能力，提升模型效果；

（例如，体重除以身高是表达健康状况的重要特征，单纯看身高或体重对健康状况的表达有限。）

2. 可以融入业务理解的设计特征，增加模型的可解释性。

二、特征生成方法

1、聚合方式

对于一对多的字段，将对应的多条记录进行分组聚合，统计平均值、计数、值等数据特征。

# 自定义分组聚合统计函数
def x2_sum(group):
    return sum(group**2)

df.groupby('cust_no').C1.apply(x2_sum)

2、转换方式

字段之间通过加、减、乘、除等运算生成数据特征的过程，对于不同的字段类型有不同的转换方式。