机器学习数据预处理总结（复习：Pandas， 学习：preprocessing）

缺失值处理
检测方法：isnull()检测空值
删除策略：dropna()删除空行/列
填充方法：
均值填充：fillna(mean())
中位数填充：fillna(median())
众数填充：fillna(mode())
常数填充：fillna(常数)

标准化方法
最小最大标准化：MinMaxScaler()
公式：(x-min)/(max-min)
范围：[0,1]区间

Z-score标准化：StandardScaler()
公式：(x-mean)/std
特点：均值为0，方差为1

特征编码技术
名义变量（独立类别）：
独热编码OneHotEncoder
生成二进制向量

有序变量（有顺序类别）：
序号编码OrdinalEncoder
保持顺序关系

有距变量（可计算数值）：
保持原始数值
或分段离散化

二值化处理
Binarizer()二值转换
阈值分割：>阈值为1，否则为0
应用场景：特征工程、文本处理

关键工具
Pandas：基础数据处理
SimpleImputer：缺失值填充
预处理类：StandardScaler/MinMaxScaler
编码器：OneHotEncoder/OrdinalEncoder

处理流程
1. 缺失值检测与处理
2. 特征类型识别与编码
3. 数据标准化/归一化
4. 二值化转换（可选）

注意事项
训练集与测试集使用相同转换器
避免数据泄露：先拆分再预处理
分类变量编码后需处理稀疏矩阵
连续变量标准化改善模型收敛