data-preprocessing-python:用于预测建模的数据预处理实用程序

数据预处理 数据预处理是数据挖掘过程中的重要步骤。 短语“垃圾进，垃圾出”特别适用于数据挖掘和机器学习项目。 数据收集方法通常受到宽松的控制，导致值超出范围，不可能的数据组合（例如，性别：男性，孕妇：是），值丢失。 分析未经仔细筛选以解决此类问题的数据可能会产生误导性的结果。 因此，在进行分析之前，数据的表示形式和质量是首要的。 如果存在大量不相关和多余的信息或嘈杂且不可靠的数据，则在训练阶段发现知识将更加困难。 数据准备和过滤步骤可能会花费大量的处理时间。 数据预处理包括清理，规范化，转换，特征提取和选择。 数据预处理的产品是最终的训练集。 数据预处理例程涉及标准化（stndze），图形摘要（gs），偏度，峰度，创建虚拟变量，Box Cox转换等。 主要亮点 -标准化训练数据中的原始特征向量。 -计算特定值与平均值的偏差。 -创建代表训练数据的指标变量。 -计算训练集中样本的偏