小方哥哥的博客

   在进行特征选择之前，一般会先进行数据无量纲化处理，这样，表征不同属性（单位不同）的各特征之间才有可比性，如1cm 与 0.1kg 你怎么比？无量纲处理方法很多，使用不同的方法，对最终的机器学习模型会产生不同的影响。本文将对常用的无量纲化技术进行总结，试图指出他们的适用场景，并给出在Python中的相应调用方式。正文中每列代表一个 属性/特征，每行表示一个/条 样本。   1. min-max...

   1. 定量特征二值化      在数据挖掘领域，定量特征二值化的目的是为了对定量的特征进行“好与坏”的划分，以剔除冗余信息。举个例子，银行对5名客户的征信进行打分，分别为50，60，70，80，90。现在，我们不在乎一个人的征信多少分，只在乎他的征信好与坏(如大于90为好，低于90就不好)；再比如学生成绩，大于60及格，小于60就不及格。这种“好与坏”、“及格与不及格”的关系可以转化为0-1...