[TOC] ## 1.預處理 ### 1)數據無量綱化 * 好處：加快求解速度、提高模型精度 * 主要方法：中心化、縮放 1. 歸一化：preprocessing.MinMaxScaler 2. 標準化： preprocessing.StandardScaler preprocessing.Normalizer ... * 基本使用： 1. 實例化對象\-> fit -> transform 2. 簡單使用形式：fit\_transform 3. 逆轉換： inverse\_transform (Normalizer和KernelCenterer沒有這個方法) ### 2)缺失值 * impute.SimpleImputer * impute.KNNImputer * pandas相關方法：dropna、fillna、replace ### 3)處理分類型特征 * 標簽編碼（OrdinalEncoder、LabelEncoder） * 獨熱編碼（OneHotEncoder、LabelBinarizer） ### 4)處理連續型特征 * Binarizer * KBinsDiscretizer ## 2.特征選擇 * 模塊：feature\_selection  ### 1）過濾法 ** (1)如何過濾：** * 基于單個特征本身的特性過濾 1. 方差過濾: feature\_selection.VarianceThreshold * 基于特征與標簽的相關性進行過濾 1. 卡方過濾: feature\_selection.chi2 2. 互信息過濾: (1).feature\_selection.f\_classif（F檢驗分類），用于標簽是離散型變量的數據 (2).feature\_selection.f\_regression（F檢驗回歸），用于標簽是連續型變量的 * F檢驗 1. feature\_selection.mutual\_info\_classif（互信息分類） 2. feature\_selection.mutual\_info\_regression（互信息回歸） ** (2)方法：** * SelectKBest * SelectPercentile * SelectFpr/SelectFdr/SelectFwe ### 2）嵌入法  * feature\_selection.SelectFromModel 1. 要求評估器擬合后具有coef\_或者feature\_importances\_屬性 ### 3）包裝法  * feature\_selection.RFE ## 3.降維 * 目的： 1. 算法運算更快，效果更好 2. 數據可視化 * **降維的要求：即減少特征的數量，又保留大部分有效信息** * 信息的度量：方差 * decomposition.PCA ## 4. pipeline * Pipeline 1. 好處：便捷性和封裝性、聯合的參數選擇、安全性 2. 注意：管道中的所有評估器，除了最后一個評估器，管理的所有評估器必須都是轉換器（要實 3. 現了fit和transform方法）,最后一個評估器的類型不限（只需要實現了fit方法） 4. Pipeline構造 5. 嵌套參數： * FeatureUnion 1. 合并了多個轉換器對象形成一個新的轉換器