特征工程是把原始数据转化成模型可用信号的过程。好的特征能显著提升效果，有时比换模型更有效。理解业务、理解数据，是特征工程的前提。
数值特征要做归一化或标准化，避免量纲差异影响距离类算法。长尾分布可以做对数变换。类别特征常用独热编码或目标编码，注意目标编码的泄露风险。
时间特征往往被低估。距上次活跃的天数、近期行为频次、时段偏好，都是强信号。用户生命周期阶段也值得建模，新用户和老用户的行为模式差异明显。
特征不是越多越好。冗余特征增加计算负担，还可能引入噪声。定期做特征重要性分析，删掉低贡献特征，保持特征集精简有效。
