数据建模过程

仅仅是自己学习的小记录，可能会和大佬的有出入，有错误欢迎指出~~

1. 获取数据

根据需求可以爬虫，还有一些在kaggle网站上可以下载，之前又做过相关获取数据的项目，是从kaggle上面下载的，很方便。
用Python爬虫，python自带有urllib以及urllib2等库可以使用

2. 数据处理

2.1 二值化

eg. 例如数据中有一个属性是是否及格，属性的值在未处理前是“及格”、“不及格”。二值化可以将及格置为1，不及格置为0。

2.2 分箱

分箱是按照某种规则将数据分类。比如连续的身高属性，可以分类成（-∞, 155], (155, 165], (165, 175], (175, 185], (185 ,+∞)。

2.3 one-hot

参考：https://www.cnblogs.com/lianyingteng/p/7755545.html

2.4 tf-idf

3. 选择算法

4. 模型评估

参考：
[1]. https://blog.youkuaiyun.com/juliarjuliar/article/details/81062191