此流程是一種簡單的寫法，在其他具體問題分析時，需有自己的分析方法，具體情況具體分析。

1. 檢視train_data與test_data 的個特徵列的直方圖分佈情況，去掉分佈特差的特徵（分佈特別不一致的那種）。
   # 標準化後資料視覺化
   for col in data_minmax.columns:
   plt.figure()
   plt.title(col)
   seaborn.distplot(data_minmax[col], label=‘minmax’)
   seaborn.distplot(train[col], label=‘train’)
   seaborn.distplot(test[col], label=‘test’)
   plt.legend()
   # plt.show()
   plt.savefig(‘IMAGE/minmax_{}.jpg’.format(col))
2. 對剩餘資料進行資料標準化
   preprocessing.minmaxsclar or Standard or minmax
   3.對某些特徵進行正太分佈處理，使其符合正太分佈

4.特徵選擇，剔除掉方差過小的特徵

5. 嘗試選擇模型
6. 進行模型的融合