文章目录
数据挖掘的五大流程包括：
- 获取数据
- 数据预处理
- 特征工程
- 建模
- 上线
其中，数据预处理中常用的方法包括数据标准化和归一化。sklearn中包含众多的数据预处理模块，
- 模块preprocessing：几乎包含数据预处理的所有内容
- 模块Impute：填补缺失值专用
- 模块feature_selection：包含特征选择的各种方法的实践
- 模块decomposition：包含降维算法
1. 无量纲化
1.1 sklearn.preprocessing.MinMaxScaler
sklearn.preprocessing.MinMaxScaler(feature_range=(0, 1), copy=True)
1.2 sklearn.preprocessing.StandardScaler
sklearn.preprocessing.StandardScaler(copy=True, with_mean=True, with_std=True)
2. 缺失值
3. 分类型特征
4. 连续型特征
【参考博客】：
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
文章由极客之音整理，本文链接：https://www.bmabk.com/index.php/post/162799.html
