特征工程基本API（sklearn版）

本博客仅仅用于巩固学习，如有错误 还望指出（如能帮助别人自是大善）

什么是特征呢？
个人理解 就是这个对象 的某些信息 是某个类别的主要分类依据，比如狗是不会生蛋的，所以我们说狗是胎生动物，反之鸡是卵生动物，这里的是否胎生 就是特征。

特征抽取

特征抽取，在训练模型之前必须要将训练的对象的特征抽取。将人们理解的特征 翻译成为机器理解的特征。

1. 字典特征抽取

from sklearn.feature_extraction import DictVectorizer

2. 文本特征抽取（基于空格作为分词标志，中文文章需要单独通过jieba进行分割）

from sklearn.feature_extraction.text import CountVectorizer

3. 文本特征抽取2，基于TF-IDF 方式，更加适用于文本抽取

from sklearn.feature_extraction.text import TfidfTransformer

特征降维

将多个特征合成，减少特征数量 ，但是也可能会减少部分精确率

1. 特征选择

from sklearn.feature_selection import VarianceThreshold

2. PAC主成分分析，用于特征数量100+

from sklearn.decomposition import  PCA

特征预处理

预处理是将特征进行预先的处理，防止在某些算法里面（K近邻等），某些特征数值较大影响后面的训练

1. 归一化 ，缺点：容易受到异常数据的影响，

from sklearn.preprocessing import MinMaxScaler

2. 标准化 ,缺点：需要大量的数据。优点：不容易受到异常数据的影响

from sklearn.preprocessing import StandardScaler