特征工程
算法开发平台建模方式分为2种：
* 可视化实验建模：组件拖拉拽可视化建模；
* Notebook建模：代码式建模，支持Python、PySpark、TensorFlow1.X、Keras、PyTorch任务类型；
可视化建模
步骤一： 进入算法实验导航，点击左侧实验TAB，新建一个可视化实验。同时，实验演示的文件夹下有预置实验模板HeartDisease_Prediction、Shop_Cluster，可进行参考，本次示例以Shop_Cluster(门店聚类)模型为例；
步骤二： 打开左侧组件TAB，选择合适的算法组件，拖拉拽至右侧实验画板中，组成实验流程，特征工程部分如下；
-
读数据：通过读数据组件，将数据源读入进来。门店聚类实验读取的是门店基础信息，包含门店id，门店类型、门店大小、男女顾客分布、门店地理位置等信息。
-
数据处理与分析：可通过SQL脚本、Python脚本等组件进行数据预处理，以及通过表信息统计、T检验、皮尔森系数等组件进行数据分析。
-
特征工程：进行特征选择或特征处理，确定模型特征。通过onehot编码、归一化、PCA主成分分析等组件，进行数据编码、线性归一化处理、数据降维等处理，得出主要特征
步骤三：运行实验中的流程，查看数据处理结果；
步骤四：继特征工程后，进入模型搭建，进行训练与预测，请查看下一章节。