做特徵工程前，為何需從 df_train 抽出 train_Y?

2019/05/04 00:58 下午

機器學習共學討論版

Charles

觀看數：13

回答數：2

收藏數：0

ml100-2

dataframe

特徵工程

ml100-2-d17

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。