特征工程---特征预处理

1. 什么是特征预处理

1.1 特征预处理定义

通过⼀些转换函数将特征数据转换成更加适合算法模型的特征数据过程

• 为什么我们要进⾏归⼀化/标准化？
  特征的单位或者⼤⼩相差较⼤，或者某特征的⽅差相⽐其他的特征要⼤出⼏个数量级，容易影响（⽀配）⽬标 结果，使得⼀些算法⽆法学习到其它的特征

1.2 包含内容(数值型数据的⽆量纲化)

• 归⼀化
• 标准化

1.3 特征预处理API

sklearn.preprocessing

2 归⼀化

2.1 定义

通过对原始数据进⾏变换把数据映射到(默认为[0,1])之间

2.2 公式

作⽤于每⼀列，max为⼀列的最⼤值，min为⼀列的最⼩值,那么X’’为最终结果，mx，mi分别为指定区间值默认 mx为1,mi为0

2.3 API

sklearn.preprocessing.MinMaxScaler (feature_range=(0,1)… )

• MinMaxScalar.fit_transform(X)
  ------X:numpy array格式的数据[n_samples,n_features]
• 返回值：转换后的形状相同的array

2.4 数据计算

我们对以下数据进⾏运算，在dating.txt中。保存的就是之前的约会对象数据

milage,Liters,Consumtime,target
40920,8.326976,0.953952,3
14488,7.153469,1.673904,2
26052,1.441871,0.805124,1
75136,13.147394,0.428964,1
38344,1.669788,0.134296,1

1、实例化MinMaxScalar
2、通过fit_tra