特征处理

2015-05-29 11:20:47   33  举报





特征处理是数据预处理的重要环节，它涉及到对原始数据进行清洗、转换、归一化等操作，以提取出对模型训练有用的信息。特征处理的目的是减少数据的噪声和冗余，提高数据的质量和可用性。常用的特征处理方法包括缺失值填充、异常值检测和剔除、数据标准化和归一化等。特征处理可以有效地提高机器学习算法的准确性和效率，因此在实际应用中具有重要的意义。

作者其他创作

大纲/内容

处理后的特征样本集

特征处理流

追加方式同步正负样本集的初始化结果到mysql

统计分析

多值归并

缺失值补全

卡方检验/信息增益/覆盖指数

标准化

关联正负样本集与特征

异常值处理