现代机器学习：方法与实践 课件 第9章 数据准备与模型优化.pptx

第9章数据准备与模型优化从原始数据到高性能模型的关键旅程

本章我们将学习什么？01核心学习目标理解核心地位：明确数据准备是机器学习流程的基石，决定模型性能上限。掌握预处理技术：精通缺失值填充策略，掌握基于统计规则的异常值识别与处理。掌握缩放与降维：熟练运用标准化与归一化，理解PCA等算法实现数据降维。理解特征工程：学会分类变量的有效编码，掌握特征筛选与构造的核心逻辑。掌握评估与调优：运用交叉验证确保模型泛化性，掌握超参数优化的实用方法。02本章内容框架9.1预处理与缩放?缺失值的插补策略

?异常值的检测与清洗

?数据标准化与归一化9.2数据降维技术?PCA主成分分析原理

?