机器学习实战基础（八）：sklearn中的数据预处理和特征工程（一）简介
2024-09-30 13:58:09
1 简介
数据挖掘的五大流程：
1. 获取数据
2. 数据预处理
数据预处理是从数据中检测，纠正或删除损坏，不准确或不适用于模型的记录的过程
可能面对的问题有：数据类型不同，比如有的是文字，有的是数字，有的含时间序列，有的连续，有的间断。
也可能，数据的质量不行，有噪声，有异常，有缺失，数据出错，量纲不一，有重复，数据是偏态，数据量太大或太小
数据预处理的目的：让数据适应模型，匹配模型的需求
3. 特征工程：
特征工程是将原始数据转换为更能代表预测模型的潜在问题的特征的过程，可以通过挑选最相关的特征，提取特征以及创造特征来实现。
其中创造特征又经常以降维算法的方式实现。
可能面对的问题有：特征之间有相关性，特征和标签无关，特征太多或太小，或者干脆就无法表现出应有的数据现象或无法展示数据的真实面貌
特征工程的目的：1) 降低计算成本，2）提升模型上限
4. 建模，测试模型并预测出结果
5. 上线，验证模型效果
2 sklearn中的数据预处理和特征工程
sklearn中包含众多数据预处理和特征工程相关的模块，虽然刚接触sklearn时，大家都会为其中包含的各种算法的广度深度所震惊，但其实sklearn六大板块中有两块都是关于数据预处理和特征工程的，两个板块互相交互，为建模之前的全部工程打下基础。
模块preprocessing：几乎包含数据预处理的所有内容
模块Impute：填补缺失值专用
模块feature_selection：包含特征选择的各种方法的实践
模块decomposition：包含降维算法
对于特征工程，来介绍O'Reilly Media出版社的新书：
最新文章
- bootstrap中table的colspan不起作用
- Python基本语法，python入门到精通[二]
- 《Linux内核设计与实现》读书笔记（十九）- 可移植性
- 表空间、Schema和用户
- POJ 2135 Farm Tour（最小费用最大流，变形）
- WinForm自定义验证控件
- -_-#【Mac】快捷操作
- stagefright框架（三）-选择Video Decode
- 跟我一起学extjs5(16--各种Grid列的自己定义渲染)
- C++编译时函数名修饰约定规则（很具体），MFC提供的宏，extern "C"的作用
- win7通过配置怎么样ODBC数据源
- Scala文件操作
- 使用nginx处理静态资源请求，其余交给node
- 阅读源码(III)
- 创建银行分行的API
- jquery项目中一些常用方法
- 前端之html表单
- 课程一(Neural Networks and Deep Learning)，第二周（Basics of Neural Network programming）—— 3、Python Basics with numpy (optional)
- IIS 注册Asp.net 4.0
- Python模块制作