第4章 Sklearn之?dāng)?shù)據(jù)預(yù)處理

數(shù)據(jù)和特征決定了機(jī)器學(xué)習(xí)的上限，而模型和算法只是逼近這個(gè)上限而已。顧名思義，特征工程的本質(zhì)是一項(xiàng)工程活動(dòng)，目的是最大限度地從原始數(shù)據(jù)中提取特征以供算法和模型使用。數(shù)據(jù)預(yù)處理作為特征工程中的一個(gè)主要部分，我們有必要先對(duì)其進(jìn)行了解。

本章將根據(jù)機(jī)器學(xué)習(xí)的模型開發(fā)流程最初始的步驟——數(shù)據(jù)預(yù)處理進(jìn)行詳細(xì)介紹。簡(jiǎn)單來(lái)說(shuō)，數(shù)據(jù)預(yù)處理就是將原始數(shù)據(jù)轉(zhuǎn)化為便于機(jī)器學(xué)習(xí)模型學(xué)習(xí)的數(shù)據(jù)。但在實(shí)際生活場(chǎng)景中，文本及圖像等非數(shù)字?jǐn)?shù)據(jù)應(yīng)當(dāng)如何處理？數(shù)據(jù)本身的結(jié)構(gòu)問(wèn)題（如缺失、取值范圍過(guò)大、結(jié)構(gòu)不平衡等問(wèn)題）又該如何解決？

通過(guò)學(xué)習(xí)本章，讀者可以了解以下幾方面內(nèi)容。

·數(shù)據(jù)預(yù)處理的種類；

·數(shù)據(jù)預(yù)處理的常用方法及場(chǎng)景；

·用Sklearn如何實(shí)現(xiàn)數(shù)據(jù)預(yù)處理。