数据科学

本笔记详细记录了在“火力发电锅炉燃烧效率优化”项目中，利用多种机器学习回归算法对经过特征工程处理后的锅炉运行数据进行建模、训练、评估和预测的过程。目标是找到最适合预测锅炉燃烧效率的模型。

本文系统梳理了从数据加载到特征工程核心步骤的技术流程，包括数据归一化、正态化、异常值检测与多重共线性处理。结合技术原理说明、代码解析和可视化分析，适用于数据科学/机器学习初学者或中级用户阅读。

本文通过Python数据分析工具对火力发电效率数据进行探索性分析，包括数据可视化、相关性分析和特征筛选。