（PS: 先跳過十二章，因爲那章講數據集成，這個後面再一起講，因爲要講的比較多。此外，下文若有錯誤，請指正，謝謝！😃）
這次是第十三章：
該章主要講數據變換的幾種方法中的數據規範化是什麼，以及如何用sklearn裏面的processing包來處理數據。還有其他變換的方法比如數據平滑、數據聚集、數據概化和屬性構造等方式，它們都可以將（特徵）數據轉換成適用於數據挖掘的形式。
所以數據變換也可以理解爲對要挖掘的特徵進行變換(用英文更專業點，叫Feature Scaling，也叫特徵縮放，詳細解釋參見維基百科)。
掌櫃這裏就簡單再補充幾點。
（小小提一下：爲什麼要進行數據變換？ 通俗來講就是數據集裏面的不同字段不存在可比性，只有轉換到同一範圍纔可比。比如人的身高和體重，代表不同含義，也有不同取值範圍。如果我們不做數據變換處理，後面模型就會受影響。）
PPS，第一個補充點就是 數據規範化需要注意的地方：
-
1. 什麼時候用Min-Max規範化處理數據？
（也叫歸一化，這裏主要指基於最大、最小值的變換，因爲在不同領域，歸一化有不同含義。）- 如果要把原始數據線性變換到[0,1]區間，那就使用Min-Max規範化處理；
- 如果要對稀疏數據進行處理，也可以用Min-Max規範化；
- 在機器學習算法中，像KNN、SVM、人工神經網絡都可以先用Min-Max規範化處理數據；
- 不過，Min-Max規範化易受噪音數據的影響，這個需要注意！
-
2. 什麼時候用Z-Score標準化處理數據？
- 當要做中心化處理，並對數據分佈有正太分佈需求的時候用Z-Score標準化處理；
- 當特徵中含有異常值的時候，用Z-Score標準化更好處理；
- 在機器學習算法中，像線性迴歸、梯度下降算法也適合先用Z-Score標準化處理特徵數據。
-
3. 補充一個RobustScaler（縮放到中位數和分位數的）方法，什麼時候用RobustScaler方法？
- 當要最大限度地保留數據集中的異常值時，使用RobustScaler方法更好。
PPPS : 不是所有的數據都需要先進行特徵變換，像機器學習算法中的 樸素貝葉斯、基於樹模型的隨機森林，梯度提升算法（GBDT、XGBoost等）就不需要 。
😂怪不得前幾天掌櫃在練習的時候發現，用XGBoost模型進行訓練的時候，不進行特徵變換反而均方誤差更小了。。。
（下篇加入代碼加深理解！
參考資料：
歸一化和標準化：各種特徵如何綜合纔是最合理的？
帶你讀《Python數據分析與數據化運營（第2版）》之三：10條數據化運營不得不知道的數據預處理經驗
數據變換之標準化VS歸一化
）