机器学习之数据分析

1、数据探索：简单来说就是认识数据，看看数据长什么样

2、数据清洗：将“脏”数据清洗干净，转化为我们想要的数据；如果遇到非结构化的数据，需要先将其转换为结构化数据。在数据清洗过程中，需要清洗的主要内容有：缺失值，异常值，噪音值等。

3、数据预处理：主要是：归一化、标准化、滤波、热编码、稀疏化等

4、特征工程：特征转换、特征拆分、特征重要性、特征合并等

5、建立模型：根据需要解决的问题，建立相关的算法模型

6、模型调优：调节算法参数、模型选择、选择评价指标、交叉验证等