在监督学习项目中，大多数性能提升并非源于切换算法，而是源于输入算法的数据。特征工程是将原始数据转换为更易被模型学习的表示形式的过程。若做得得当，特征工程通常能比超参数调优或尝试更复杂的模型带来更大的准确率提升。本文将介绍那些在实际项目中 consistently 产生显著效果的特征工程技术，并提供可运行的 Python 代码（pandas + scikit-learn），同时通过可视化展示这些增益究竟来自何处。