数据特征预处理

一、特征处理是什么

通过特定的统计学方法或数学方法，将数据转化成算法要求的数据

转成数值型的数据

标准缩放：1.归一化；2.标准化；3.缺失值

类别型数据：one-hot编码

时间类型：时间的切分

所有预处理的方法都在这个模块里面

sklearn.preprocessing

1.归一化

所有数据都会映射到[0,1]之间

 mx,mi默认为1和0，是因为需要其在[0,1]这个区间

例子：

sklearn归一化API:  sklearn.preprocessing.MinMaxScaler

归一化的步骤：

1、实例化MinMaxScalar

2、通过fit_transform转换

def mm():
    """
    归一化处理
    :return: NOne
    """
    #mm = MinMaxScaler()默认是（0，1）
    mm = MinMaxScaler(feature_range=(2, 3))

    data = mm.fit_transform([[90,2,10,40],[60,4,15,45],[75,3,13,46]])

    print(data)

    return None

if __name__=='__main__':
    mm()

结果：

归一化的原因：使得某一特征不会对结果产生更大的影响