因子预处理 (副本)
由qxiao创建，最终由qxiao 被浏览 2 用户
导语
在机器学习中，很多因子数据必须经过预处理才能参与模型训练。本文简单介绍因子预处理中常见的缺失值处理，极值处理、标准化处理和规范化处理。
用sklearn库处理因子数据
https://bigquant.com/experimentshare/dc9cdc7c5de442a9b744ce1eda48748a
用可视化模块因子分析
通常进行因子分析前，我们需要对因子进行清洗处理，一个典型的处理流程如下：
-
1、去除缺失值
-
2、每日截面数据分位数去极值
-
3、每日截面数据进行行业市值中性化处理
-
4、每日截面数据标准化处理，处理后均值为0
-
5、缺失值填充0值 需要注意的是上述的第2-4步骤，是对数据按日期分组后进行截面数据操作。上述典型流程的可视化建模如下：
https://bigquant.com/experimentshare/5993ab804568415fb8597e4227269e83
表达式引擎函数
（数据处理）
去极值
示例：cut_outliers(return_5)
标准化
将中性化处理后的因子暴露度序列减去其现在的均值、除以其标准差， 得到一个新的近似服从 N(0, 1)分布的序列。 示例：normalize(cut_outliers(return_5))
中性化
均值法：行业中性化处理能去去除因子在行业上的偏好，处理的逻辑是将行业因子值的均值调整为0，得到新的因子值，即因子减去所处行业因子均值。 推荐使用 。
示例：pe_ttm_0 - group_mean(industry_sw_level1_0, pe_ttm_0)
回归法：行业市值中性化:将填充缺失值后的因子暴露度对行业哑变量和取对数后的市值 做线性回归，取残差作为新的因子暴露度。优点：可做任何中性化处理，不只是行业和市值。不足：花费较长时间。 示例：neutralize(normalize(cut_outliers(return_5)), [dummy(industry_sw_level1_0, drop_value=[-1, 0, 110000]), normalize(cut_outliers(log(market_cap_0)))])
小结： 本文首先展示了使用sklearn进行分子预处理，然后展示了可视化模块数据处理流程，以及使用表达式引擎函数处理数据，为大家在进行分子预处理时提供参考。
参考文章：使用sklearn进行数据预处理