西瓜太郎

1 特征工程简介本质上说，呈现给算法的数据应该能拥有基本数据的相关结构或属性 。当你做特征工程时，其实是将数据属性转换为数据特征的过程，属性代表了数据的所有维度，在数据建模时，如果对原始数据的所有属性进行学习，并不能很好的找到数据的潜在趋势，而通过特征工程对你的数据进行预处理的话，你的算法模型能够减少受到噪声的干扰，这样能够更好的找出趋势。但是，对于特征工程中引用的新特征，需要验证它的确提高了预测的准确度，而不是加入了一个无用的特征，不然只会增加算法运算的复杂度。好的特征甚至能够帮你实现使用简单的

文章目录1 加载数据集1.1 自带数据集：`sklearn.datasets.load_`1.2 可下载数据集：`sklearn.datasets.fetch_`2 生成数据集2.1 make_blobs2.2 make_classification2.3 make_gaussian_quantiles2.4 make_hastie_10_22.5 make_circle & make_moonssklearn.datasets提供了大量的数据集功能，主要分为两类：加载数据集：大量现成的自.

文章目录1 What：数据标准化 vs 中心化2 Why：为什么要数据标准化3 When：什么时候做/不做数据标准化Do 数据标准化 的情况Undo 数据标准化 的情况线性回归无需标准化 の 数学证明线性回归无需标准化 の 实验证明不采用标准化采用标准化对比 标准化与无标准化 の 预测值4 其他：线性回归的易错点1 What：数据标准化 vs 中心化标准化： 数据的标准化(normalization)是将数据按比例缩放，使之落入一个小的特定区间。在某些比较和评价的指标处理中经常会用到，去除数据的.

文章目录问题发现解决方案Solution1：R/python Least Absolute Deviation(LAD)Solution2：python statsmodels RLMSolution3：python sklearn RANSACSolution4：python sklearn Theil-SenSolution5：python sklearn Huber Regression问题发现因为高频的数据波动性很大，经常出现坏点，于是思考如何对这样的坏点做linear regression.