特征工程学习路线 · 缺失值、类别不平衡与编码

内容与使用说明

先阅读缺失值的机制与处理，再学习不平衡数据，最后整理异常值与特征编码。需要Python、pandas基础，适合对照PDF中的示例代码和输出做阅读笔记。 资料范围 收录3份英文PDF笔记和MIT许可文本。PDF包含说明、代码示例及已有输出；本页不包含可执行Notebook、原始数据集或视频，复现实验需按原项目自行准备依赖和数据，不是一键运行课程包。 建议阅读顺序 1. 5.1-Handling_missing_values.pdf 2. 5.2-Handling_Imbalance_dataset.pdf 3. 5.3-Handling_outliers_and_Data_Encoding.pdf 练习建议 按章节记录关键概念、输入数据、处理步骤和评估指标。阅读完一个示例后，用自己的小数据复现并比较结果；遇到引用数据缺失时返回原项目核对。 作者：Uditya Narayan Tiwari 原项目：https://github.com/udityamerit/Complete-Machine-Learning-For-Beginners/tree/64d7286a653e9a8b43bcc9c0f9eebc8419b66d0e/05-Feature%20Engineering/Notes 许可：MIT，保留随附版权和许可声明。 收录文件（4份，共0.46 MiB）： • 01-Handling_missing_values.pdf • 02-Handling_Imbalance_dataset.pdf • 03-Handling_outliers_and_Data_Encoding.pdf • LICENSE.txt 上游原文件与许可一并保留。

来源与许可

项目README明确说明仓库使用MIT许可，作者署名Uditya Narayan Tiwari；保留原PDF及完整许可，逐文件核对Git对象哈希，不把第三方课程宣传为官方课程。

MIT

Uditya Narayan Tiwari，完整版权声明见LICENSE.txt。