寫給小白的機器學習之數據表示與特徵工程詳解（附實戰代碼）

數據類型有不少，在機器學習中，這些類型基本特徵大體分爲兩類：git 一是如浮點數組成的連續特徵 二是一般並非數值的分類特徵，或者叫作離散特徵 一般不管你的數據包含那種類型的特徵，數據表示方式都會對機器學習模型的性能產生巨大影響，這就要求咱們要對數據進行處理，如數據放縮、特徵擴充等等。github 對於某個特定應用來講，如何找到最佳數據表示，這個問題被稱爲特徵工程（feature engineeri

>>阅读原文<<