标签：机器 特征 mi 学习 sklearn 数据 mean

机器学习数据：文件csv

mysql：1、性能瓶颈，读取速度；2、格式不太符合机器学习要求
pandas：读取工具，基于numpy，读取速度较快，释放GIL锁实现真正的多线程
可用数据集：kaggle、UCI、scikit-learn
数据集结构：特征值+目标值
机器学习：重复值不需要进行去重
特征工程：将原始数据转换为能更好的代表预测模型的潜在问题的特征的过程，从而提高对未知数据预测的准确性
scikit-learn库：python语言机器学习工具
特征值化：sklean特征抽取，sklearn.feature_extraction
one-hot编码

特征预处理

1.归一化：特征同等重要时，进行归一化，防止数据过大对结果造成影响
x’ = (x-min)/max-min)
x’’ = x’ * (mx-mi) + mi*
mx为1，mi为0
sklearn API
2.标准化
x’ = (x-mean)/d
方差：var = (x1-mean)*2 + (x2-mean)*2+…+(xn-mean)*2 / n
var越大越离散，越小越聚集
样本足够多的情况下，比较稳定
3.缺失值处理：一般进行插补，很少删除，按照特征填充，sklearn中imputer

数据降维

降维：在此指特征的数量，减少特征
特征选择：1.过滤式，从方差大小考虑特征选择，variaceThreshold
2.嵌入式，正则化、决策树
3.包裹式
主成分分析：PCA，特征数量达到上百个时，考虑数据的简化，数据也会变化
PCA(n_components:小数)，通常是90%-95%是最好的
分析过程：1.明确目的；2.合并各表，pd.merge(表1，表2，on=[关联字段])；3.简历行列数据，交叉表（特殊的分组表）

标签：机器,特征,mi,学习,sklearn,数据,mean
来源： https://blog.csdn.net/guangtianzhizun/article/details/120622196

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。