- 预处理
- 基础概念
- 特征工程
- 数据样本采集-抽样
- 异常值（空值）处理
- 特征预处理
- 特征选择
- 代码实现
- 特征变换
- 对指化
- 离散化
- 归一化
- 标准化
- 数值化
- 特征降维
- 特征衍生
数据越大，数据框架越简单
数据越小，数据框架越复杂
如有钱人喜欢用炸弹号，连续号
离职为1，其他为0
注：不同于后期的数据建模，特征选择使用样本，进行小规模尝试
特征变换放大差距的变换方法
对指化
把比较大的量级，通过对数的方法，得到直观的分级
如存款，使用log10
声音，使用分贝
地震，使用震级
归一化将数字映射到0-1，更直观，对比数据间距离
标准化，与样本分布相关
求omega
