2020/01/01
《百面机器学习-算法工程师带你去面试》读书笔记
《No.1: p1~p5》第一章 特征工程

Q1 特征归一化
1.目的: 将数值归一到相同的数值范围内，方便比较。
2.原因: 让不同指标具备可比性；能得到比较准确的分析结果；避免数值差异较大的变量来影响分析，会让迭代更新速度下降。
3.归一化的方法
  (1)线性函数归一化(Min-Max Scaling)
  (2)零均值归一化(Z-Score Normalization)
4.决策树的算法不需要特征归一化，决策树是用信息增益比来分类，与归一化无关。

Q2 如何处理类别型特征
1.除了决策树等少数模型可以直接处理字符数据；其他分析方法如逻辑回归、支持向量机都需要处理类别数据。
2.数据预处理时，如何处理类别型数据
  1)序号编码
  2)独热编码: 用于处理不具备大小关系的特征。如血型。
    使用独热编码，其稀疏向量可节省空间。可配合特征选择来降低维度。
  3)二进制编码: 利用二进制对ID进行哈希映射，维度低于独热编码，节省存储空间。