qq_28404829的博客

数据预处理1.归一化/标准化1.1 标准化目的1.2 适用算法1.3 不适用算法1.4 方法2.缺失值2.1 缺失原因2.2 缺失类型2.3 处理方法2.3.1 删除2.3.2 填补2.3.2.1 替代2.3.2.2 拟合2.3.2.3 高维映射2.3.3 不处理3. 噪音数据处理3.1 噪音原因3.2 处理方法 1.归一化/标准化 1.1 标准化目的 去除量纲限制 提升模型收敛速度 提升模型的精...

数据预处理-缺失值处理缺失值类型不完全变量完全随机缺失随机缺失完全非随机缺失缺失值补全1-均值查补2-同类均值插补3-建模预测4-高维映射5-多重插补6-手动插补 数据预处理完整目录 缺失值类型 在对缺失数据进行预处理前，了解数据缺失的机制和形式是十分必要的。将数据集中不含缺失值的变量称为完全变量，数据集中含有缺失值的变量称为不完全变量。 不完全变量 完全随机缺失 missing complete...

数据预处理-标准化/归一化min-max 标准化Z-score标准化方法线性函数标准化小数定标（decimal scaling）标准化非线性归一化 数据预处理 标准化：将数据按比例缩放，使之落入一个小的特定区间。用于去除数据的单位限制，将其转化为不同单位或量级的指标能够进行比较和加权。 归一化：标准化的一种方式，将数据统一映射到[0,1]区间上。 意义： 1.提升模型的收敛速度 2.提升模型的精度...