（未完成）人工智能学习（22 机器学习：03-数据特征预处理：11_标准化总结以及缺失值处理）

数值型数据，进行标准缩放：1.归一化。2.标准化。当然，并不是所有的算法都需要进行归一化或者初始化，后面会进行讲解。

对于缺失值就不详细讲解了，一般使用pandas进行处理。那么缺失值一般怎么处理呢？一般有两种处理方式，填补（一般按列进行填补）或者删除。如果缺失值比较多的情况下，删除是要慎重考虑的，缺失值处理方式：

API介绍，
模块导入：
sklearn缺失值API: sklearn.preprocessing.Imputer
用法：

Imputer(missing_values='NaN', strategy='mean', axis=0)
完成缺失值插补

	Imputer.fit_transform(X,y)       
	X:numpy array格式的数据[n_samples,n_features]
	返回值：转换后的形状相同的array