第3章　数据准备

现在，你已经成功地准备好了一个系统平台用来掌握深度学习知识，参见第2章。我们将继续下去，给出一些在构建深度学习模型时可能经常遇到的、有关数据的重要指导原则。在学习深度学习知识的时候，拥有已经备好的完善数据集将帮助你更多地专注于对模型的设计，而不是准备数据。然而，每个人都知道这不是一个现实的期望，如果问任何数据科学家或机器学习专业人士这个问题，他们都会告诉你建模的一个重要方面是要知道如何准备数据。了解如何处理数据和如何准备数据将为你节省大量的工作时间，你可以把省下来的时间花在优化模型上。任何花在数据准备上的时间都是值得的。

本章将向你介绍数据处理背后的主要概念，并使得这些概念在深度学习中派上用场。内容将涵盖格式化分类、实值输出输入的基本概念，以及数据增强、降低数据维度的技术。在本章的最后，你应该能够处理最常见的数据操作技术，找到成功地选择深度学习方法的路径。

本章主要内容如下：

·二元数据与二元分类

·分类数据与多分类

·实值数据与单变量回归

·改变数据的分布

·数据增强

·数据降维

·操纵数据的道德影响