【机器学习】特征工程—— 特征预处理

特征工程

定义：将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的预测准确性。
内容：主要有三部分：
　　1、特征抽取
　　2、特征预处理
　　3、数据的降维

特征预处理

特征预处理：通过特定的统计方法（数学方法）将数据转换成算法要求的数据。

1、包含内容

• 数值型数据：标准缩放，包括归一化、标准化、缺失值
• 类别型数据：one—hot编码
• 时间类型：时间的切分

2、sklearn特征处理API：

sklearn.preprocessing

一、归一化

1、特点

通过对原始数据进行变换把数据映射到[0, 1]（默认）之间

2、公式

$$x^{\prime }=\frac{x-min}{max-min}$$ x ′ ′ = x ′ ( m x − m i ) + m i x''=x'(mx-mi)+mi x′′=x