sklearn-数据预处理与特征工程

1 数据预处理 Preprocessing & Impute

preprocessing.MinMaxScaler数据归一化

MinMaxScaler有一个重要参数， feature_range，控制我们希望把数据压缩到的范围，默认是[0,1]。

 使用 feature_range控制参数范围

当X中的特征数量非常多的时候，fit会报错并表示，数据量太大了我计算不了 ，此时使用partial_fit作为训练接口 ，scaler = scaler.partial_fit(data)

preprocessing.StandardScaler 数据标准化

当数据(x)按均值(μ)中心化后，再按标准差(σ)缩放，数据就会服从为均值为0，方差为1的正态分布（即标准正态分布），而这个过程，就叫做数据标准化

 2 处理缺失值

impute.SimpleImputer

class sklearn.impute.SimpleImputer (missing_values=nan, strategy=’mean’, fill_value=None, verbose=0, copy=True)

使用从泰坦尼克号提取出来的数据进行实例填补

数据的前五行以及基本信息

3 处理分类型特征：编码与哑变量

pre