什么是特征：机器认识世界的方式

特征是数据中可被模型利用的、有区分度的信息片段。判断一封邮件是否垃圾邮件，“是否含敏感词”“发送频率”都是特征。传统机器学习把大量精力花在特征构造上。

工业界有句老话：“数据决定上限，算法逼近上限。”在深度学习之前，特征工程师是 AI 领域最稀缺的人才；如今模型能自己学特征，但理解业务、定义“什么是有用信息”依然是人类不可替代的工作。

## 核心要点

图片来源：Openverse / jurvetson（https://www.flickr.com/photos/44124348109@N01/49296120841）

1. 好特征能让简单模型也表现优异，坏特征让复杂模型也无能为力。

2. 深度学习的革命之一就是自动学习特征，解放了人工特征工程。

3. 特征缩放、缺失值处理、异常值处理是特征处理的基本功。

4. 业务理解是构造好特征的关键，这往往比算法更重要。

图片来源：Openverse / Bob Mical（https://www.flickr.com/photos/51764681@N02/15995555571）

## 写在最后

以上是关于「什么是特征」的科普介绍。人工智能正在快速发展，相关概念和方法也在不断演进。希望本文能帮你建立对这一主题的基本认识。