概念：
领域：
内容：
什么是机器学习：
sklearn：
one—hot编码：
字典特征抽取：
文本特征抽取：
from sklearn.feature_extraction.text import CountVectorizer import jieba cv = CountVectorizer() text = '人生苦短。我用Python，你用不用，我数学看不懂' te = ' '.join(list(jieba.cut(text))) data = cv.fit_transform([te]) print(cv.get_feature_names()) print(data)
tf-idf：
TF-IDF的主要思想是:
如果某个词或短语在一篇文章中出现的概率高，并且在其他文章中很少出现，则认为此词或者短语具有很好的类别区分能力，适合用来分类。
from sklearn.feature_extraction.text import CountVectorizer,TfidfVectorizer import jieba tf = TfidfVectorizer() # stop_words= 停用词 text = '人生苦短。我用Python，你用不用，我数学看不懂' te = ' '.join(list(jieba.cut(text))) data = tf.fit_transform([te]) print(tf.get_feature_names()) print(data)
结果：
反映的是重要性程度。
特征预处理：
通过特定的统计方法（数学方法）将数据转换成算法要求的数据
归一化：
标准化：
在已有样本比较多的情况下比较稳定，适合嘈杂大数据场景
缺失值处理：
