前言：
机器学习能够处理的特征也就只有数值类型的特征。数值型数据的特征工程技术是非常基本的，只要原始数据被转换成数值型特征，就可以用现有的模型。
要对数值型数据进行合理性检查，首先要查看它的量级。其次还要考虑特征的尺度，即特征的最大值最小值是多少？是否跨越多个量级？所有使用欧式距离的方法都对输入的尺度很敏感，因此基本都需要对特征进行标准化，以便将输出控制在期望的范围之内（换言之，如果某方法或者模型使用了欧式距离，那么对原始数据集最好进行标准化，否则特征的尺度会对最终的结果产生不好的影响）。但是基于空间分割树的模型是对尺度不敏感的。部分情况下，可以对特征进行组合形成更复杂的特征，使得输入特征更具信息量，使模型本身更简单，更容易训练和评价，这种思想称为模型堆叠。
1. 标量、向量、空间
1.1 什么是标量（scalar）？
维基百科的定义：标量又称纯量，是只有大小，没有方向，可用实数表示的一个量。一个实数就是一个标量，5,-6,0.0001等都可以理解成标量。标量只是为了与向量进行区别。
1.2 什么是向量（euclidean vector）？
维基百科的定义：指一个同时具有大小和方向的几何对象。机器学习中向量又被称为标量的有序列表。
1.3 空间
亚里士多德将空间定义为事物的场所。向量位于向量空间中。
所有数据的集合都可以表示成特征空间中的“点云”。
数据空间与特征空间
扫描二维码关注公众号，回复：
14815058 查看本文章
还有些内容没写，后面再说吧。。。。。。