8.下列何者不屬於特徵工程(FeatureEngineering)？
(A)轉換(Transformation)
(B)萃取(Extraction)
(C)挑選(Selection)
(D)預測(Prediction)

選項 (D) 預測(Prediction) 不屬於特徵工程 (Feature Engineering)。

特徵工程 (Feature Engineering) 的定義：

特徵工程是從原始資料中萃取出對機器學習模型有意義的特徵，目的是改善模型的效能。它通常包含以下幾個步驟：

• 轉換 (Transformation): 將原始資料轉換成更適合模型使用的格式，例如：
  • 數據歸一化 (Normalization)
  • 數據標準化 (Standardization)
  • 對數轉換 (Log transformation)
• 萃取 (Extraction): 從原始資料中提取新的特徵，例如：
  • 從日期資料中提取年、月、日等特徵
  • 從文本資料中提取詞袋 (Bag of Words) 或 TF-IDF 特徵
• 挑選 (Selection): 選擇最重要的特徵，以減少模型的複雜度和提高效率。
  • 移除不相關或是重複的特徵。

預測 (Prediction) 的定義：

• 預測是使用已經訓練好的機器學習模型，來對新資料進行預測。
• 這是機器學習模型的最終目標，但它並不屬於特徵工程的範疇。

因此，選項 (D) 預測 (Prediction) 不屬於特徵工程。