[TOC]
## 1.预处理
### 1)数据无量纲化
* 好处：加快求解速度、提高模型精度
* 主要方法：中心化、缩放
1. 归一化：preprocessing.MinMaxScaler
2. 标准化：
preprocessing.StandardScaler
preprocessing.Normalizer
...
* 基本使用：
1. 实例化对象\-> fit -> transform
2. 简单使用形式：fit\_transform
3. 逆转换：
inverse\_transform (Normalizer和KernelCenterer没有这个方法)
### 2)缺失值
* impute.SimpleImputer
* impute.KNNImputer
* pandas相关方法：dropna、fillna、replace
### 3)处理分类型特征
* 标签编码（OrdinalEncoder、LabelEncoder）
* 独热编码（OneHotEncoder、LabelBinarizer）
### 4)处理连续型特征
* Binarizer
* KBinsDiscretizer
## 2.特征选择
* 模块：feature\_selection
### 1）过滤法
** (1)如何过滤：**
* 基于单个特征本身的特性过滤
1. 方差过滤: feature\_selection.VarianceThreshold
* 基于特征与标签的相关性进行过滤
1. 卡方过滤: feature\_selection.chi2
2. 互信息过滤:
(1).feature\_selection.f\_classif（F检验分类），用于标签是离散型变量的数据
(2).feature\_selection.f\_regression（F检验回归），用于标签是连续型变量的
* F检验
1. feature\_selection.mutual\_info\_classif（互信息分类）
2. feature\_selection.mutual\_info\_regression（互信息回归）
** (2)方法：**
* SelectKBest
* SelectPercentile
* SelectFpr/SelectFdr/SelectFwe
### 2）嵌入法
* feature\_selection.SelectFromModel
1. 要求评估器拟合后具有coef\_或者feature\_importances\_属性
### 3）包装法
* feature\_selection.RFE
## 3.降维
* 目的：
1. 算法运算更快，效果更好
2. 数据可视化
* **降维的要求：即减少特征的数量，又保留大部分有效信息**
* 信息的度量：方差
* decomposition.PCA
## 4. pipeline
* Pipeline
1. 好处：便捷性和封装性、联合的参数选择、安全性
2. 注意：管道中的所有评估器，除了最后一个评估器，管理的所有评估器必须都是转换器（要实
3. 现了fit和transform方法）,最后一个评估器的类型不限（只需要实现了fit方法）
4. Pipeline构造
5. 嵌套参数：
* FeatureUnion
1. 合并了多个转换器对象形成一个新的转换器
