在建立預測模型時，你通常會有分開的 train 與 test 兩個 DataFrame。這種情況下，你要確保 test 集的任何資訊都不會外洩到 train 集。當你要為這類情境中要用到的資料填補遺漏值時，應該如何處理這兩個資料集？
本練習屬於課程
將理論付諸實踐，立即體驗我們的互動練習
在本章中，你將探索什麼是特徵工程，以及如何開始將它應用到真實世界的資料。你會載入、探索並視覺化一個調查回覆資料集，並在此過程中學習其底層資料型別，以及這些型別為何會影響你應該如何設計特徵。你將使用 pandas 套件，從類別與連續欄位建立新的特徵。
本章將帶你面對凌亂且不完整的資料現實。你會學到如何找出資料中的遺漏值，並探索多種處理方式。你也會使用字串處理技巧，清除資料集中不需要的字元。
當前練習
在本章中，你將著重於分析資料的底層分佈，並評估其是否會影響你的機器學習流程。你會學到如何處理偏態資料，以及在離群值可能對分析造成負面影響時該怎麼做。
最後，在本章中，你將處理非結構化文字資料，了解如何從文本語料中設計出欄位型特徵。你會比較不同作法如何影響可從文本擷取的脈絡量，並學會在保留足夠脈絡與避免產生過多特徵之間取得平衡。
