feature selection - chaoyue520/XGBoost GitHub Wiki
- 特殊字段统一处理：如-9999，Infinity，空值，NA，Na等用统一符号标识，大小写有区分
- 离散变量合并：对于分类变量，挑选类别多的，考虑是否做合并处理，如merge表zhu_degree字段，合并同义词
- 聚类：地区聚类，如reg_city按照1线，2线标识分类，payipcity按照高危与否聚合
- Null过多的列：挑选99.5%值为null值的列，备选，是否删除
- 唯一值列：唯一值列对Y标签没有区分度，筛选并删除
- 连续变量极端值处理：对于连续变量，最大值比99.95分位数仍然大1000倍，则标记为含有极端值列
- 连续变量离散化：等距离，等分位数，手动设置cut_point，计算IV值，筛选最佳分箱
- 剔除关联字段：挑选关联字段并删除，如cuid，cardno，sessionid等
- 分类变量one-hot编码：挑选所有分类变量并做one-hot处理，对于每一个特征，如果它有m个可能值，那么经过独热编码后，就变成了m个二元特征。分
- 类器往往默认数据数据是连续的，并且是有序的
remarks：