数据预处理

使用场景

在数据比较原始或者比较粗糙的情况下，我们需要先先通过数据缩放、数据编码等方式对数据进行一些处理，使其可以更有效地用于统计分析或者机器学习。

通用语法

|fit <algo_name> [options] <feature_field_1> <feature_field_2> [into model_name]...  

通用参数说明：

• <algo_name> 必填，用来指定训练模型采用的算法名称。
• [options]可选，为算法的内置参数，根据提供的算法变化。
• <feature_field> 必填，可以是一个或者多个字段，用来指定需要的特征字段，给定的feature_field值必须存在于数据集中。
• [into model_name]可选，用来将fit训练出来的模型保存成model_name以便下次调用。
• 数据集必须不为空。

以下算法可以用来做特征加工：

• 数据标准化 - StandardScaler
• 稳健标准化 - RobustScaler
• 独热编码 - OneHotEncoder
• 标签编码 - LabelEncoder