特征处理（一）

这里还是关于降低维度的。先自己叨叨一些，之前总是看了很多书啊算法啊，思想啊，真正建模就傻了。遇到好多困难：1特征工程 2算法代码实现 3调优。 光知道算法然并卵啊~~，对于偶这种新手，第一步特征工程就死翘翘了，于是找特征工程的各种blog，还是讲算法的多啊，具体算法的应用场景呢？代码呢？ R和py的各种包，知道名字，但是还得知道详细的参数调用啊，得知道包的算法依据是神马，才敢用到自己的数据。无奈学习实践时间有限，只能慢慢一点点积累。

一个完整的数据预处理过程包括：

一数据清洗

二数据集成（偶想说的是这里的降低维度的一个方法）

三数据规约

四数据变换

一：数据清洗 包括 1缺失值处理 2噪声处理 

二：数据集成 是指合并数据，这里偶主要想强调会产生冗余（其实就是相关性强的变量），因此可以通过卡方检验对两个类别型变量进行相关性检验，用相关系数对两个连续型数据进行相关性检验。

三：数据规约 包括小波变化啦、主成分分析啦、属性子集选择（逐步向前、逐步向后删除等）好多降低维度的，以后慢慢丰富这部分内容啊，待仔细研究

四：数据变换与离散化 包括归一化之类的，这里先给个归一化链接

讲得浅显易懂的一篇文章，原文链接点击打开链接

1、线性函数归一化(Min-Max scaling)

2、0均值标准化(Z-score standardization)