第六章：机器学习01：特征工程--02特征转换

06-机器学习

$---by:Rianusr$

1 连续变量无量纲化

1.1 无量纲化的原因

1.2 常用的无量纲化的方法

1.2.1 标准化

1.2.2 区间缩放法

2 连续变量数据变换--改变元数据的分布

2.1 为什么要进行数据变换

2.2 常用的数据变换方法

2.2.1 log变换

2.2.2 box-cox变换

3 连续变量的离散化

3.1 为什么要离散化？

3.2 无监督的离散化方法

3.3 有监督的离散化方法

3.3.1 有监督的离散化：决策树

3.3.2 一种特殊的离散化方法：二值化

3.3.3 一种特殊的离散化：Rounding（取整）

4 类别型变量转换

4.1 为什么对类别变量进行转换？

4.2 常见的转换方法

4.2.1 one-hot编码（独热编码）

4.2.2 Count Encoding

4.2.3 Target encoding

5 日期型变量转换

5.1 日期型变量

5.2 日期型变量转换方法

5.2.1 提取日期/时间中的特征变量

5.2.2 相对特征的提取

6 缺失值的处理方法

6.1 为什么会产生缺失值

6.2 缺失值处理方法汇总

6.3 缺失值处理案例1：均值替换

6.4 缺失值处理案例2：NaN encoding

7 特征转换之特征组合

7.1 为什么要进行特征组合

7.2 特征组合的方法

7.2 类别型变量特征组合示例