文档摘要

5.1 数据准备与特征工程 本节摘要：数据准备把原始杂乱数据变成干净可训练的形态（探索、清洗、分割、平衡），特征工程把原始字段变成更有信息量的模型输入（创建、转换、编码、缩放、选择）。两者合计通常占据项目一半以上时间，却也是性价比最高的性能来源——一个精心构造的特征常常胜过换三个模型。本节按流水线顺序拆解全套技术，并给出每一步的决策依据与常见错误。 本节导读 阅读完本节，你应当能够： 执行一套完整的数据探索流程并说出要找的三类东西；… 会员。《5.1 数据准备与特征工程》收录于灏天文库文集《AI核心算法原理：从机器学习到神经网络》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/444-ai%E6%A0%B8%E5%BF%83%E7%AE%97%E6%B3%95%E5%8E%9F%E7%90%86%E4%BB%8E%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%88%B0%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流