是在特徵抽取之後進行【也可以直接理解為異常值的處理】
引數（對誰處理）：二位陣列
特徵預處理：對資料進行預處理，通過特定的統計方法（數學方法）將資料轉換成演算法要求的資料
大致可分為三類：數值型別資料，類別型資料，時間型別 【兩種處理結果：前後特徵值個數不變，特徵值改變；前後特徵值個數改變，特徵值也改變
sklearn特徵處理的api: sklearn.preprocessing
歸一化目的：使得乙個特徵對最總結果不會造成影響 缺點：如果存在異常點，異常點對最大值和最小值影響太大，導致最終結果不能用。當乙個屬性的值的最大值與最小值的差距太大，就會覆蓋別的特徵的效果，為了避免對最終結果的影響，所以要進行歸一化；
標準化：通過對原始資料進行變換，把資料變換到均值為0，標準差為1範圍內。
表轉化api:sklearn.preprocessing.standardscaler
比較：對於歸一化來說：如果出現異常點，影響了最大值和最小值，那麼結果顯然會發生改變
對於標準化來說：如果出現異常點，由於具有一定數量，少量的異常點對於平均值的影響並不大，從而方差改變較小。
標準化在將來的預處理中是用的最多的，因為在已有樣本足夠多的情況下比較穩定，適合現代嘈雜的大資料場景
3.缺失值的處理
通常在pandas重進行，df.dropna()刪除, df.fillna() 填補 【平均值，中位數，以行或列進行，一般按行進行】
df.replace('?',np.nan) np.nan為float型別
參考：sklearn中對缺失值處理的api:sklearn.proprocessing.imputer
機器學習 特徵工程 特徵預處理
定義 將原始資料轉換為更好地代表 模型的潛在問題的特徵的過程，從而提高了對未知資料的 準確性。內容 主要有三部分 1 特徵抽取 2 特徵預處理 3 資料的降維 特徵預處理 通過特定的統計方法 數學方法 將資料轉換成演算法要求的資料。1 包含內容 2 sklearn特徵處理api sklearn.pr...
機器學習特徵工程之特徵預處理
通過特定的統計方法 數學方法 講資料轉換成演算法要求的資料。數值型資料 歸一化標準化 缺失值類別型資料 one hot編碼 時間型別 時間的切分 在對資料進行異常值 缺失值 資料轉換等處理後，我們需要從當前資料集中選出有意義的特徵，然後輸入到演算法模型中進行訓練。對資料集進行特徵選擇主要基於以下幾方...
機器學習總結 資料預處理和特徵工程
實際生產中機器學習的整個過程應該是如下的幾步 後面還將從資料探勘的角度另文進行講解 1.場景選擇 演算法選擇 根據實際問題選擇合適的演算法，是分類還是回歸等，是否需要做特徵抽象，或者特徵縮放 2.資料預處理 缺失值的處理，資料清洗等等 3.特徵工程 包括特徵構建 特徵提取 特徵選擇等 4.模型訓練 ...