研究生系统化入门教程（二）【机器学习】详解特征工程：特征抽取(以TF-IDF为例)，特征预处理(归一化、标准化)，特征降维，主成分分析；| 常用API和模块调用 | 低方差特征过滤

目录

• 一、接上篇：特征工程
• • 1.1 Tf-idf 文本特征提取
  • • 1.1.1 主要思想及作用
    • 1.1.2 公式
    • 1.1.3 实例
    • 1.1.4 小结：Tf-idf 的重要性
  • 1.2 特征预处理
  • • 1.2.1 前言
    • 1.2.2 包含什么？
    • 1.2.3 特征预处理 API | 为什么要进行 归一化/标准化？
    • 1.2.4 归一化
    • • 定义
      • 公式
      • API
      • 数据计算
      • 实例代码
      • 归一化总结
    • 1.2.5 标准化
    • • 定义
      • 公式
      • API
      • 数据计算-----实例代码
  • 1.3 特征降维
  • • 1.3.1 降维
    • 1.3.2 特征选择
    • • 定义
      • 方法
      • 相关模块调用
    • 1.3.3 过滤式
    • • 低方差特征过滤
      • API
      • 数据计算----实例演示
      • 相关系数
      • 特点
      • API
      • 实例
  • 1.4 主成分分析
  • • 1.4.1 何为主成分分析(PCA) ？
    • • 案例理解 （了解即可，无需记忆）
      • API
      • 实例演示
      • 案例分享
• 小结
• 补充思考