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