各位同学，今天咱们来聊一个在数据科学领域里，被很多人低估，但实际上是“成败关键”的环节——数据预处理。我常跟学生说，你要是建模的时候觉得结果不对劲，别先怪算法不好，回头看看你的数据，八成是预处理没做到位。就像咱们做饭，你总不能把带泥的青菜、没削皮的土豆直接下锅吧？数据预处理就是给原始数据“洗菜、切菜、配菜”的过程，今天我就把最核心的四个步骤——清洗、转换、集成、规约，掰开揉碎了给大家讲明白。

首先咱们来说第一步，数据清洗，这可是预处理的“第一道门槛”，核心任务就是给数据“大扫除”，把那些“脏数据”统统清理掉。什么是脏数据？说白了就是那些看着就别扭、用着就出错的数据，主要分三类：缺失值、异常值、重复值。

继续阅读：高精尖   预处理   数据

此文由 怡心湖 编辑，若您觉得有益，欢迎分享转发！：首页 > 会·生活 » 数据预处理：从“脏乱差”到“高精尖”的四步心法