头歌Python实训——Numpy 数据统计

头歌Python实训——matplotlib数据可视化

sklearn.preprocessing.OrdinalEncode可以用于常规的转码，调用其fit_transform()，即可完成数据的转码，并返回numpy数组类型的转换结果。scikit-learn含有多种数据规范化工具，例如sklearn.preprocessing的StandardScaler，可以将数据规范化为均值为0，方差为1。最常规的数据编码方式为，将有限个符号转码为0，1，2

基于特征重要性，筛选特征 降维，例如主成分分析PCA，线性判别分析LDA，SVD分解等；本关任务：优化数据转换方案，筛选重要的特征，或者对数据特征做合理变换，以提高分类器的性能。最大最小规范化 Z-Score规范化 归一化 映射到正态分布 稀疏数据缩放 带离群点的缩放。根据提示，在右侧编辑器补充代码，优化数据预处理方案。准确率高于0.83!

头歌Python实训——Numpy 数据统计

头歌Python实训——matplotlib数据可视化

头歌Python实训——pandas数据处理