在视频课中，您已经看到如何使用 PCA 和 T-SNE 进行降维，并可视化新的维度。
请选择一个错误的说法：
本练习是课程的一部分
通过我们的互动练习之一，将理论转化为实践
在本章中，您将完成构建预测型机器学习模型所需的全部预处理步骤，包括如何处理缺失值与异常值，以及如何对数据集进行归一化。
在本章中，您将练习监督式机器学习的多个方面，例如选择最优特征子集、使用正则化避免模型过拟合、进行特征工程，以及利用集成模型来权衡偏差-方差。
在本章中，您将使用无监督学习来进行特征提取与可视化，实现降维；并应用聚类方法，为数据集选择合适的聚类算法和最优簇数。
当前练习
在本课程最后一章中，您将更进一步，使用自助法（bootstrapping）与交叉验证评估模型的泛化性能，应用重采样技术处理类别不平衡，检测并去除多重共线性，并构建一个集成模型。
