特征工程精讲与实践

《特征工程精讲与实践》是「机器学习算法精讲」的工程落地配套课，定位为从数据处理到模型之间最关键的一环：如何把原始数据变成高质量特征。

课程以精修图文讲义为核心交付（每节均可独立阅读），全部示例代码在锁定环境（Python 3.14 / pandas 3.0 / scikit-learn 1.9）实跑验证、输出逐行一致，读者复制即可运行。

课程内容共 8 章：

1. 特征工程简介与数据认知：特征定义、数据质量、探索流程。
2. 数据预处理：数据统计与相似度、缺失值处理、pandas_profiling 数据报告与探索性分析。
3. 数据清洗进阶：标准化与归一化、离群点检测四法、缺失值高级插补。
4. 特征缩放与编码：幅度缩放、分箱离散化、五类特征编码、特征衍生与组合（GBDT+LR / RF+LR）。
5. 特征选择：过滤法、包裹法（前向/后向/穷举）、嵌入式（L1 正则化）、综合实战。
6. 特征降维：PCA、LDA、t-SNE 与实战。
7. 特征监控与数据漂移：监控体系、漂移检测、模型上线后的特征管理。
8. 综合实战：电商销量预测 Kaggle 案例——数据预处理、特征构建、时间切分全流程。

与站内课程构成「Python 基础 → 数据分析 → 数学/统计底座 → 机器学习 → 特征工程（工业落地）」完整学习路径。