请解释特征工程的定义，并列举其主要构成部分。

回答思路

1. 【回答框架 1】特征工程是从原始数据中提炼、构造或转换出对模型训练更有效的特征的过程，目的是提升模型性能与泛化能力。
2. 【回答框架 2】主要包括特征清洗、特征变换、特征构造与特征选择。特征清洗处理缺失值、异常值和重复数据；特征变换包括标准化、归一化、离散化、编码等；特征构造基于业务理解和统计方法生成新特征；特征选择筛选出与目标相关且冗余度低的特征。
3. 【回答框架 3】在流程上，特征工程通常在数据预处理之后、模型训练之前进行，并与后续建模迭代联动；对结构化数据和非结构化数据，做法差异明显。
4. 【回答框架 4】实际应用中，特征工程常需结合业务场景和模型类型调整，不同模型对特征尺度、分布和维度的敏感度不同。
5. 【回答框架 5】当前深度学习可自动学习部分特征，但特征工程在可解释性、小样本和业务理解上仍不可替代。
6. 【关键点 1】特征工程是提升模型效果的关键步骤，涵盖清洗、变换、构造、选择。
7. 【关键点 2】特征构造依赖业务知识和统计方法，特征选择旨在降低维度与噪声。
8. 【关键点 3】特征工程需要结合模型类型和业务场景灵活实施。
9. 【易错点 1】忽视数据泄漏，使用全局统计量填充训练集和测试集导致评估失真。
10. 【易错点 2】过度构造特征，增加复杂度并带来过拟合风险。
11. 【易错点 3】不区分特征工程与特征缩放，将单一操作泛化为核心流程。