2.4特征预处理
2.4.1 什么是特征预处理
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。
1 包含内容
数值型数据的无量纲化：
归一化
标准化
2 特征预处理API
sklearn.preprocessing
为什么要进行归一化/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打出几个数量级，容易影响（支配）目标结果，使得一些算法无法学习到其他的特征。
我们需要用到一些方法进行无量纲化，使不同规格的数据转换到统一规格。
归一化/标准化（数学上叫做;无量纲化）
2.4.2 归一化
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 公式
举例：
3 API
pycharm：
2.4.3 标准化
1 定义
通过对原始数据进行变形把数据变换到均值为0，标准差为1范围内。
2 公式
标准差：集中程度
对于归一化；如果出现异常点，影响了最大值和最小值，那么结果显然会发生改变。
对于标准化，如果出现异常点，由于具有一定数据量，shaom两点异常点对于平均值的影响并不大，从而方差改变较小。
3 API
