5. 数据集转换

像其它预估计一样, 它们由具有 方法的类来表示, 该方法从训练集学习模型参数（例如, 归一化的平均值和标准偏差）以及 方法将该转换模型应用于不可见数据. 同时 可以更方便和有效地建模与转换训练数据.

• • 5.1.1. Pipeline: 链式评估器
  • 5.1.3. FeatureUnion（特征联合）: 复合特征空间
• 5.2. 特征提取
  • 5.2.2. 特征哈希（相当于一种降维技巧）
  • 5.2.4. 图像特征提取
• • 5.3.1 标准化，也称去均值和方差按比例缩放
  • 5.3.3 归一化
  • 5.3.6 缺失值补全
  • 5.3.8 自定义转换器
• • 5.4.1 单变量与多变量插补
  • 5.4.4 参考
• 5.5. 无监督降维
  • 5.5.2. 随机投影
• 5.6. 随机投影
  • 5.6.2. 高斯随机投影
• • 5.7.1. 内核近似的 Nystroem 方法
  • 5.7.3. 加性卡方核
  • 5.7.5. 数学方面的细节
• • 5.8.1. 余弦相似度
  • 5.8.3. 多项式核函数
  • 5.8.5. RBF 核函数
  • 5.8.7. 卡方核函数
• • 5.9.2. 标签编码