问题：
1、常用的特征工程方式？
答：
引用图形：
参考：七种常用的特征工程 https://www.cnblogs.com/peizhe123/p/7412364.html 总结的很好
1.对于不同的特征该如何进行特征工程？
（1）对于数值型特征，采用特征归一化，目的是将所有的特征统一到大致相同的我数值区间
（2）对于类别型特征，先处理成数值型特征，具体可以采用序号编码（处理类别之间具有大小关系的数据），独热编码（处理类别之间不具有大小关系的数据），二进制编码（维数少于独热编码，节省存储空间）
（3）对一阶离散特征两两组合，构成高阶特征，目的是提高复杂关系的拟合能力。
（4）文本特征，采用词袋模型和n-gram模型，主题模型，词嵌入模型
问题：
2、浅层神经网络和深层神经网络的区别？
3、生成模型和另外一种什么模型？
4、迁移学习和生成对抗网络？
5、神经网络的简单描述？
6、降维方法有哪些，和矩阵分解的关系，例如在组合特征中学习的参数维数变多有什么处理方法，？
为什么采用这样的处理方法？
7、什么叫梯度提升决策树？
