基於sklearn分析特徵工程（特徵預處理、特徵選擇、降維）

特徵工程目的：算法 降維/下降過擬合/泛化、解釋性、加快訓練速度、性能app 特徵工程框圖：機器學習 數據預處理 無量綱化：轉化不一樣規格的特徵到同一規格函數 （1）標準化/z標準化性能 將符合正態分佈的特徵值轉化爲標準正態分佈學習 使用sklearn.preproccessing庫的StandardScaler類編碼 （2）區間縮放法/線性歸一化/0-1標準化spa 返回縮放到[0,1]區間的數

>>阅读原文<<