特征的组合方法有哪些形式？

基于单一特征离散化后的组合。这种方式下先将连续型特征离散化，然后基于离散化后的特征组合成新的特征。常见的RFM模型就是其中一种，这种方式先将R、F、M分别离散化，然后做加权或直接组合，生成新的RFM等分。

基于单一特征的运算后的组合。这种方式下，对单一列基于不同条件下获得的数据记录做求和、均值、最大值、最小值、中位数、分位数、标准差、偏度、峰度等计算，从而获得新的特征。

基于多个特征的运算后的组合。这种方式下，将对多个单一特征直接做复合计算，而计算一般都是基于数值型特征的，常见方式包括加、减、乘、除、取余、对数、正弦、余弦等操作，从而形成新的特征。

基于模型的特征最优组合。这种方式下，特征间的组合将不再是简单的数学运算，而是基于输入特征与目标变量，在特定的优化函数的前提下做模型迭代计算，以达到满足模型最优的解。常见的方式包括：基于多项式的特征组合、基于GBDT的特征组合、基于基因工程的特征组合。

资料来源：《Python数据分析与数据化运营（第2版）》，文章链接：https://developer.aliyun.com/article/726313