03.（2）数据预处理

2.1 数据无量纲化

数据的无量纲化可以是线性的，也可以是非线性的。线性的无量纲化包括中心化（Zero-centered或者Meansubtraction）处理和缩放处理（Scale）。

中心化的本质是让所有记录减去一个固定值，即让数据样本数据平移到
某个位置。
缩放的本质是通过除以一个固定值，将数据固定在某个范围之中，取对数也算是一种缩放处理。

2.1.1 preprocessing.MinMaxScaler （归一化）

2.2 preprocessing.StandardScaler （标准化）

2.1.3 StandardScaler和MinMaxScaler(图像)选哪个？

2.2、缺失值

2.2.1、impute.SimpleImputer ：填补缺失值

2.3 处理分类型特征：编码与哑变量 (把是字符串的改成数字)

2.3.1、preprocessing.LabelEncoder：标签专用，能够将分类转换为分类数值

2.3.2、 preprocessing.OrdinalEncoder：特征专用，能够将分类特征转换为分类数值

2.3.3、 preprocessing.OneHotEncoder：独热编码，创建哑变量 （稀疏矩阵）

2.4 处理连续型特征：二值化与分段

2.4.1 sklearn.preprocessing.Binarizer

2.4.2 preprocessing.KBinsDiscretizer

代码实战