scikit-learn：4. 数据集预处理（clean数据、reduce降维、expand增维、generate特征提取）

本文参考：http://scikit-learn.org/stable/data_transforms.html

本篇主要讲数据预处理，包括四部分：

数据清洗、数据降维（PCA类）、数据增维（Kernel类）、提取自定义特征。哇哈哈，还是关注预处理比较靠谱。。。。

重要的不翻译：scikit-learn providesa library of transformers, which mayclean (see Preprocessing data), reduce (seeUnsupervised dimensionality reduction), expand (see Kernel Approximation) or generate (see Feature extraction) feature representations.

fit、transform、fit_transform三者区别：

fit：从训练集中学习模型的参数（例如，方差、中位数等；也可能是不同的词汇表）

transform：将训练集/测试集中的数据转换为fit学到的参数的维度上（测试集的方差、中位数等；测试集在fit得到的词汇表下的向量值等）。

fit_transform：同时进行fit和transform操作。

Like other estimators, these are represented by classes with fit