学完这些课程后，我对创建专业的可视化图表和仪表板充满信心
Shoebur Rahman采购专员，Giz Bangladesh
课程简介
本课程介绍何时以及如何进行数据预处理。预处理是任何机器学习项目中的关键步骤，用于让数据准备好进入建模阶段。预处理介于数据导入与清洗、以及拟合机器学习模型之间。您将学习如何对数据进行标准化，使其满足模型所需的形式；如何创建新特征，以更好地利用数据集中的信息；以及如何选择最合适的特征来提升模型拟合效果。最后，您将练习在一个关于 UFO 目击记录的数据集上进行预处理，为后续建模做好准备。
先修要求
课程体系
课程大纲
1
数据预处理入门
本章将带您明确什么是数据预处理。您将完成预处理的起步工作，包括探索数据类型以及处理缺失数据。
2
数据标准化
本章将系统讲解数据标准化。很多模型会对特征的分布或尺度作出假设。标准化可以让数据更符合这些假设，从而提升算法性能。
3
特征工程
本章将带您学习特征工程。您将探索如何基于数据集中已有特征，构造出更有用的新特征。您还将学习如何对数值特征与文本特征进行编码、聚合与信息提取。
4
为建模选择特征
本章将介绍多种从数据集中筛选最重要特征的方法。您将学习如何删除冗余特征、处理文本向量，并使用主成分分析（PCA）来减少特征数量。
5
综合运用
现在您已经掌握了预处理的核心方法，将把这些技术应用到一个记录 UFO 目击信息的数据集上。
Python 中的机器学习预处理
课程已完成
