顾名思义就是根据选好的特征进行转换，使特征充分发挥他的特点
**下面介绍比较常用的特征变换的方法（对指化）**1、（数值太小）取指数—归一化，在机器学习中，有一个直接的函数叫softmax numpy.exp
2、取对数（数值太大）numpy.log
下面介绍另一种方法离散化
为什么离散化（第一数据有噪声，第二朴素贝叶斯只能用离散化数据，第三数据有明显拐角点，离散更有意义，见下图）
方法（前两种叫做分箱）
数据在分箱前，一定要进行排序，分好后找一个好的数来代替这个箱子里的内容，下面是等深分箱（个数），还有一种等宽分箱没画（根据数的大小）下面介绍另外一种方法归一化（标准化的一种）
狭义的标准化就是将数据缩放成均值为0，标准差为1（体现这个数据与其他数据的相对关系）
第一个1没有第二个1明显（相当于把你放在安静和吵闹的环境中两种差别）
相关文章：