在分割训练和测试数据集之前，机器学习中有多少种预处理技术？ [关闭]

Question

数据集的机器学习中有多少种不同的预处理技术。我想定义帮助我对不同问题进行预处理的通用模板。

我对图像分类进行了一些操作，例如调整大小、rgb2grayscale、找出虚拟图像、处理两个图像并将结果添加到数据集中。

我的目标是使用不同的技术优化数据集。

Answer 1

有很多预处理技术，具体使用取决于您的数据集。一些技术是：

• 数据清洗：通过填充缺失值、平滑噪声数据或解决数据中的不一致等过程来清洗数据。
• 数据集成：将不同表示的数据放在一起，解决数据内的冲突。
• 数据转换：数据经过标准化、聚合和泛化。
• 数据缩减：此步骤旨在呈现数据仓库中数据的缩减表示。
• 数据离散化：通过划分属性区间的范围来减少连续属性的多个值。

Answer 2

预处理是一个非常广泛的术语，更重要的是，人们可能认为预处理在很大程度上取决于您想要对数据执行的操作（例如，为人脸识别任务裁剪人脸）以及数据本身因为您可能有一个需要非常特定类型的预处理的数据集 - 例如删除图片一角的水印。

话虽如此，here 是我发现的有用指南。我认为您已经完成了大部分被视为一般预处理的工作。