Python 机器学习中的预处理步骤

为什么做预处理如此重要？做预处理的简单步骤是什么？有人能帮忙吗。我正在研究python

我有一个由空值组成的数据帧。数据由异常值组成，而且分布不均匀

---

我的问题是，为了填充空值，我应该遵循什么协议？我是否应该删除异常值，因为这可能会导致信息丢失？以及使数据均匀分布的步骤是什么？

首先，使用哪种语言并不重要。python和R在数据科学中都很流行

其次，不能将原始数据插入任何机器学习模型。在你需要清洁它之前。以下是一些简单的步骤：

1。删除缺失值：很多时候数据中都存在缺失值。所以你必须填写这些数据。问题是如何产生的？有很多方法你可以用谷歌搜索出来

2。删除偏斜和异常值：通常，数据包含的值不在其他数据的范围内。所以你必须把这些数据带到这个范围

3。一个热编码：需要将分类值转换为编码格式

---

还有更多的步骤，但是你可以用谷歌搜索，你可以浏览大量的博客。

有很多博客和教程，可以让你很好地了解其中的原因。另外，这个问题与堆栈溢出无关，请阅读