数据处理

1. 怎样处理丢失数据

? 忽略

手动填补丢失值

自动填补丢失值

2.如何检验异常值

概率分布采用统计检验 距离度量原理任何簇的点，密度局部利群点因子

3.处理不平衡数据集的主要任务

一准确度度为评价指标的分类方法不能很好的处理不平衡数据集

4.为什么特征选择如此器重要

数据包含有很多冗余的，不相关的特征。特征选择可以提高模型的可解释性，导致更短的训练时间，能够避免过拟合现象从而增强可推广性。

5.如何选择表征主要信息的特征

逐步向前选择：有空属性开始，每次选择原属性集中最好的属性

逐步向后删除：

逐步向前选择和逐步向前删除的组合：

决策树归纳：不出现在树中的属性假设是不相关的，出现的属性形成归约后的属性子集