机器学习中样本数据预处理

特征缩放

X_norm=(X-X_min)/(X_max-X_min )

lambda x: (x - x.min()) / (x.max() - x.min())

特征标准化

Gaussian with zero mean and unit variance. z=(x-μ)/σ

numeric_feats = all_X.dtypes[all_X.dtypes != "object"].index
all_X[numeric_feats] = all_X[numeric_feats].apply(lambda x: (x - x.mean())
                                                            / (x.std()))

类别特征预处理：

不能将类别特征简单表示为数字，因为模型会将类别解释成有序，实际上类别是任意排列的，这里可以用One-hot编码方式来表示。这样估计器将每个具有m个可能值的分类特征转换成m个二元特征，只有一个有效。