通过特定的方法将数据转换成算法要求的数据
-
数值型数据：
1.归一化
2.标准化
3.处理缺失值 -
类别型数据：
ont-hot编码
所有的对数据处理的API都放在sklearn.preprocessing里
归一化
API：sklearn.preprocessing.MinMaxScaler(feature_range=指定缩放范围)
特点：通过原始数据的变换，把数据映射到莫热门的0~1之间，当然这个范围可以通过feature_range指定
MinMaxScaler（x），x为numpy array数组类型，返回shape相同的array
为什么要做归一化处理呢：
归一化除了能够提高求解速度，还可能提高计算精度。
比如：计算样本距离时，如果特征向量取值范围相差很大，如果不进行归一化处理，则值范围更大的特征向量对距离的影响更大，实际情况是，取值范围更小的特征向量对距离影响更大，这样的话，精度就会收到影响。
运行结果如下
可以看到，我们把结果数组映射到了1~2之间。
归一化的总结：
特定场景下最大最小值是变化的，如果有异常点，则影响很大，因此这只适用于高精度小数据，归一化的鲁棒性较差
（最后写一点：对于目标是算法工程师的同学来说，需要搞清楚其中的数学原理，但是我的目标仅仅是研发工程师，和我一样的同学，我们需要做的是了解数学原理，运用算法API）
标准化
前面我们说到归一化的鲁棒性较差，实际上我在后面的写代码的过程中用到归一化的情景也不多，一些算法都是要求对数据进行标准化处理
目的：使某一个特征不会对结果造成更大的影响
方差考量的是数据的稳定性。对于标准化来说，少量的异常点对平均值的影响较小，误差较小
API：sklearn.preprocessing.StandandScaler
运行结果
这里看不懂没关系，后面我们只需要把数据处理，然后得到这些标准化后的数据放到算法里去计算就可以了
标准化总结：
稳定性强，适合噪音多的大数据环境，以后大部分第一选择都是标准化。
缺失值处理
数据缺失是收集数据中很常见的现象，比如物联网的传感器收集的数据很可能缺失很多，这个时候我们就需要对缺失值进行处理了
对缺失值进行处理的方法一般有两种，一个是删除，也就是直接删除数据缺失的样本，一个是填补，用行或者列的平均值或者中位数来填补缺失的数据
这里需要学习一些numpy的知识，比如numpy.dropna()就是删除np.nan类型的数据行或者列（axis指定）。numpy.fillna()就是填充
当然我们sklearn里也有处理处理缺失值的API
*sklearn.preprocessing.Imputer(missing_values=“Nan”,straegy=“mean”,axis=0)*代表的是：把nan用列的平均值填充
