说明类别编码、数值缩放与缺失值处理的主流方法与目的。
类别编码:One-Hot 编码把无序类别转成 0/1 向量;Ordinal/Label 编码保留顺序但易引入虚假大小关系,树模型可用。
归一化/标准化:Min-Max 把数值缩到 [0,1];Z-Score 把均值归零、方差归一。目的是消除量纲差异、加速梯度下降收敛(对距离/梯度敏感模型必需)。
缺失值:删除样本/特征、均值/中位数/众数填充、模型预测填充(如 KNN);缺失本身也可作为特征(是否缺失)。
题目与答案就在本页;收藏、批注和错题重练在应用内