做特徵工程前，為何需從 df_train 抽出 train_Y?
老師您好，想請問一些 Day17 範例中的問題：
1. 在做特徵工程前，要先從 df_train 抽出 train_Y 的意義是什麼？抽出 ids 我能理解是為了後續將輸出結果 pred 與 ids 對照合併，但為什麼要拿未特徵工程過的 train_Y 和已特徵工程過的 train_X 去跑模型呢？
2. 為什麼要先抽出 df_train 中的 train_Y 和 df_test 中的 ids，才能讓兩個 dataframe 合併做特徵工程呢？
3. 前陣子看 Jimmy 老師有提到說，正規的機器學習理論上是不允許使用任何 test data 的資訊的。那麼將 train 和 test 接起來再做特徵工程，這樣是可以的嗎？還是說基本的欄位調整和特徵縮放這樣的處理，是可以被接受的。
回答列表
-
2019/05/04 下午 08:56張維元 (WeiYuan)贊同數：2不贊同數：1留言數：0
1. 在做特徵工程前，要先從 df_train 抽出 train_Y 的意義是什麼？抽出 ids 我能理解是為了後續將輸出結果 pred 與 ids 對照合併，但為什麼要拿未特徵工程過的 train_Y 和已特徵工程過的 train_X 去跑模型呢？
=> train_Y 就是要預測的目標 Target，一般不會對 Target 做特徵工程。
2. 為什麼要先抽出 df_train 中的 train_Y 和 df_test 中的 ids，才能讓兩個 dataframe 合併做特徵工程呢？
=> 是要讓資料可以對回去吧？
-
2019/05/04 下午 08:58張維元 (WeiYuan)贊同數：2不贊同數：1留言數：0
3. 前陣子看 Jimmy 老師有提到說，正規的機器學習理論上是不允許使用任何 test data 的資訊的。那麼將 train 和 test 接起來再做特徵工程，這樣是可以的嗎？還是說基本的欄位調整和特徵縮放這樣的處理，是可以被接受的。
=> 那麼將 train 和 test 接起來再做特徵工程，這樣是可以的嗎？可以，但是嚴格來說是不能用到 test 的資訊，只能依據 train 的數值來做調整。