### 字典特征数据抽取
> 特征抽取：文本，字符串
> sklearn特征抽取API
- 字典特征抽取
sklearn.feature_extraction.Dictvectorizer
### Dictvectorizer语法
DictVectorizer.fit_transform(x)
返回sparse矩阵
### 流程
- 实例化DictVectorizer
- 输入数据并转换 fit_transform()
3886-云风-人工智能学科-数据挖掘
3886-云风-人工智能学科-数据挖掘
![]()
扫二维码继续学习 二维码时效为半小时
### 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
链式赋值：x = y = 123
系列解包赋值：a,b,c = 1,2,3
变量互换:a,b = b,a
续航符：a = 'aaaaa/bbbb'
print（a)
<<<aaaaabbbb
print（a)
<<<aaaaabbbb
切片操作：a = 'aasdffghhjjk'
a[1:2:3]