特征工程----特征提取

1、特征提取
将任意数据 （如文本图像）转换为可用于机器学习的数字特征
2、特征提取分类：
字典特征提取（特征离散化）
文本特征提取
图像特征提取（深度学习将介绍 ）
3、api
sklearn.feature.extraction
4、字典特征提取
字典特征提取就是对类别数据进行转换
api：sklearn.feature_extraction.DictVectorizer(sparse=True,…)
sparse矩阵

1. 节省内存
2. 提高读写效率

属性：DictVectorizer.get_feature_names() 返回类别名称
注意：
对于特种当中存在类别信息的我们都会做one-hot编码处理
5、文本特征提取（英文）
api:
sklearn.feature _extraction.text.CoutVectorizer(stop_words=[])
stop_words — 停用词
注意：没有sparse这个参数
单个字母，标点符号不做统计

6、中文文本特征提取
注意：

 1. 在中文文本特征提取之前，需要对句子（文章）进行分词（jieba）
 2. 里面依旧可以使用停用词，进行词语的限制