数据预处理

公众号/AI前线作者 | George Seif译者 | 无明编辑 | VincentAI 前线导读：Python 是机器学习的首选编程语言。它易于使用，还提供了很多出色的库让数据处理变得轻而易举！但在处理大量数据时，事情变得棘手起来……现如今，“大数据”通常指的是包含数十万甚至数百万个数据点的数据集！基于这样的规模，

作者： 脑极体当有大企业为数据进行争论时，我们再一次感慨数据的价值。自从大数据一词被提出之后，我们无时无刻不再提醒着自己，累积了越多的数据，就越能手握金矿。在机器学习、深度神经网络开始走向大众视野之后，我们更加自豪，仿佛分分钟能从自己的数据中诞生个什么算法。事实上，针对于机器学习应用范畴看来，绝大部分企业所谓的大数据，

作者：Siraj Raval在这个充斥着怀疑和谎言的网络世界中，数据即真相。海量的原始数据正以惊人的速度增长，其中大部分都是非结构化的，但是通过运用分析我们可以发现其中重要的规律和线索以及隐藏在数字背后的含义。今天我们将学习如何预处理数据，这是重要也最容易忽视的步骤之一，关键点如下：预处理数据集有三步：清洗、转换和简化

要点在常见的机器学习/深度学习项目里，数据准备占去整个分析管道的60％到80％。市场上有各种用于数据清洗和特征工程的编程语言、框架和工具。它们之间的功能有重叠，也各有权衡。数据整理是数据预处理的重要扩展。它最适合在可视化分析工具中使用，这能够避免分析流程被打断。可视化分析工具与开源数据科学组件之间，如R、Python、

 文 | Syed Danish  译者 | 吴怡雯 姚佳灵简介本文主要关注在Python中进行数据预处理的技术。学习算法的出众表现与特定的数据类型有密切关系。而对于没有经过缩放或非标准化的特征，学习算法则会给出鲁莽的预测。像XGBoost这样的算法明确要求虚拟编码数据，而决策树算法在有些情况下好像完全不关心这些!简而