数据预处理

一

数据样本矩阵: 一行一样本，一列一特征。

1.解决机器学习问题的科学计算工具包

import sklearn.preprocessing as sp

二 数据预处理

均值移除

由于一个样本的不同特征值差异较大，不利于使用现有机器学习算法进行样本处理。均值移除可以让样本矩阵中的每一列的平均值为0，标准差为1.

范围缩放

将样本矩阵中的每一列的最小值和最大值设定为相同的， 区间，同一各特征值的范围。一般情况下会把特征值缩放至[0, 1]区间。

 二值化

有些业务并不需要分析矩阵的i详细完整数据（比如图像边缘识别只需分析出图像边缘即可）， 可以根据实现给定的阈值，用0和1表示特征值高于或不高于阈值。二值化后的数组中每个元素非0即1， 达到简化数字模型的目的。