### 数据对于特征的处理
pandas：一个数据读取非常方便以及基本的处理格式的工具
- 缺失值
- 数据转换
- 重复值 （机器学习中不需要进行去重）
sklearn：对于特征的处理提供了强大的接口
特征工程
> 概念：将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的预测准确性
> 意义：直接影响预测结果
### sklearn
> python语言的机器学习工具
> 机器学习算法的实现
- 数据的特征抽取
- 数据的特征预处理
- 数据的降维
### 数据对于特征的处理
pandas：一个数据读取非常方便以及基本的处理格式的工具
- 缺失值
- 数据转换
- 重复值 （机器学习中不需要进行去重）
sklearn：对于特征的处理提供了强大的接口
特征工程
> 概念：将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的预测准确性
> 意义：直接影响预测结果
### sklearn
> python语言的机器学习工具
> 机器学习算法的实现
- 数据的特征抽取
- 数据的特征预处理
- 数据的降维
