简单小结

一、特征工程

（一）特征抽取：

特征抽取针对非连续型数据

 

特征抽取对文本等进行特征值化

 

（1）对字典类型的特征抽取：

           将字典类型的数字转换为one-hot编码

（2）对文本数据进行特征值化：

           count：统计次出现的次数

           tdidf ：考虑到了词的重要性（一般用这个）

（二）特征预处理：

            归一化

            标准化

（1）归一化：

                 目的：注意在特定场景下最大值最小值是变化的，另外，最大值与最小值非常容易受异常点影响

（2）标准化：

                 解决了归一化中如果存在异常点的解决。（一般使用这个）

（三）数据降维：

（1）特征选择：

                特征少，只选择部分特征

（2）PCA：

               是数据维数压缩，尽可能降低原数据的维数（复杂度），损失少量信息。