dataframe数据标准化处理_特征工程（1）-数据预处理标准化

机器学习中特征工程的构造分析，以前在这方便还是没有去全面的了解，最近有一段磨刀的时间，还是从基础学习开始，理论结合代码推进

通过特征提取，我们能得到未经处理的特征，这时的特征可能有以下问题：

不属于同一量纲，无量纲化处理：即特征的规格不一样，不能够放在一起比较。无量纲化可以解决这一问题。比如身高和年龄

信息冗余：对于某些定量特征，其包含的有效信息为区间划分，例如学习成绩，假若只关心“及格”或不“及格”，那么需要将定量的考分，转换成“1”和“0”表示及格和未及格。二值化可以解决这一问题。

定性特征不能直接使用：某些机器学习算法和模型只能接受定量特征的输入，那么需要将定性特征转换为定量特征。最简单的方式是为每一种定性值指定一个定量值，但是这种方式过于灵活，增加了调参的工作。通常使用哑编码的方式将定性特征转换为定量特征：假设有N种定性值，则将这一个特征扩展为N种特征，当原始特征值为第i种定性值时，第i个扩展特征赋值为1，其他扩展特征赋值为0。哑编码的方式相比直接指定的方式，不用增加调参的工作，对于线性模型来说，使用哑编码后的特征可达到非线性的效果。

比如当前属性有5种情况，然后当前样本x拥有当前属性第三种情况，可以构造特征向量(0,0,1,0,0)，这就是哑编                码的过程

存在缺失值：缺失值需要补充。常见的有均值还有众数，中值来补充

信息利用率低：不同的机器学习算法和模型对数据中信息的利用是不同的，之前提到在线性模型中，使用对定性特征哑编码可以达到非线性的效