机器学习——决策树保险案例
数据分析流程
1、业务理解（目标，解决什么问题，能不能转换为机器学习问题）
2、需要什么数据，数据的获取（多渠道，准确，覆盖率高）
3、数据的预处理（数据的清洗，探索性分析，特征提取转换，无量纲化，编码，特征选择，降维）
4、建模，模型优化
5、模型测试
6、模型解释、应用

不平衡数据处理
1、数据角度：只能处理训练集，不能对测试集处理
        上采样：把少的变多
        下采样：把多的变少
2、算法角度

数据探索性分析：产出各种图、表
1、研究各个变量和标签的关系
2、挖掘、发现新的特征

变量编码
1.序号编码：0,1,2
2.哑编码：编码后会接降维PCA

降维作用
1、缓解维度灾难
2、降低过拟合风险
3、便于可视化