1.1什麽是特征尺度變換？
它是壹種計算機視覺算法，用於檢測和描述圖像中的局部特征。它搜索空間尺度中的極值點，並提取它們的位置、尺度和旋轉不變量。它的應用包括物體識別、機器人地圖感知和導航、圖像拼接、三維建模、手勢識別、圖像跟蹤和動作比較。支持常用比例變化功能log2，log10，In，abs，sqrt。支持密集還是稀疏
1.2如何使用特征比例變換
阿裏數加平臺提供畫布區域拖拽配置，並以算法參數的形式提供給用戶。要使用每個組件，您必須首先了解每個參數的含義。
2.這些特征異常平滑
2.1什麽是特征異常平滑？
將輸入特征中存在異常的數據平滑到壹定範圍，支持稀疏和密集(特征平滑組件只將異常值的特征值修正為正常值，不過濾或刪除任何記錄，輸入數據的維數和個數保持不變)。
2.2如何使用特征異常平滑
特征異常平滑可分為Zscore平滑、百分位平滑和閾值平滑。
3.異常檢測模塊
3.1什麽是異常檢測模塊？
顧名思義，異常檢測就是檢測異常；可以分為兩類:針對連續值特征的異常(根據盒圖的最大值和最小值檢測異常特征)和針對枚舉值特征的異常(根據枚舉特征出現的頻率和閾值過濾異常特征)。
3.2如何使用異常檢測模塊
阿裏數加平臺提供畫布區域拖拽配置，並以算法參數的形式提供給用戶。要使用每個組件，您必須首先了解每個參數的含義。
4.壹鍵編碼
4.1什麽是壹熱編碼？
壹熱編碼，也叫單熱編碼，對於每個特征，如果它有m個可能值，那麽經過單熱編碼後，就變成m個二值特征。而且，這些功能是互斥的，壹次只能激活壹個。所以數據會變得稀疏，輸出結果也是K: V的稀疏結構。
4.2如何使用壹鍵編碼
二值化
5.離散特征
5.1什麽是特征離差
顧名思義，特征離散化是離散的，可分為“支持密集或稀疏數值特征離散化”和“支持等頻離散化和等距離離散化”
5.2如何使用特征離散化
直接選擇離散方法和離散區間即可。
6.主成分分析
6.1什麽是主成分分析
PCA使用主成分分析來降低維數和噪聲。目前支持密集數據格式。
6.2如何使用主成分分析
我不確定。等我了解清楚了再補。