3、数据预处理与降维：从基础到实践

数据预处理与降维：从基础到实践

1. 数据预处理基础

在机器学习中，数据预处理是至关重要的一步，它能确保数据的质量和可用性，为后续的模型训练打下坚实基础。

1.1 处理分类数据

现实世界中的数据集常常包含分类特征，这些特征可分为有序特征和名义特征。有序特征具有可排序性，例如衣服的尺码（XL > L > M）；而名义特征则不存在顺序关系，像衣服的颜色。

1.1.1 使用 pandas 进行分类编码

我们可以使用 pandas 创建一个包含分类特征的 DataFrame 示例：

import pandas as pd
df = pd.DataFrame([
    ['green', 'M', 10.1, 'class2'],
    ['red', 'L', 13.5, 'class1'],
    ['blue', 'XL', 15.3, 'class2']
])
df.columns = ['color', 'size', 'price', 'classlabel']
print(df)

此 DataFrame 包含名义特征（颜色）、有序特征（尺码）和数值特征（价格）。

1.1.2 映射有序特征

为确保机器学习算法能正确解释有序特征，我们需将分类字符串值转换为整数。由于没有自动确定特征顺序的便捷函数，我们需手动进行映射：

size_mapping = {'XL': 3, 'L'