先把會撒謊的資料洗乾淨

第三集回到 EP01/EP02 的三幕劇場：第一幕只處理髒資料與異常值，再推進資料前處理。顧北辰這次不是在找真愛，他是在一座破碎資料池裡，承認模型第一步不是預測，而是清洗。

Missing Values Rows: {{ totalNodes }} Null: {{ naCount }}

這一格只做「資料到底乾不乾淨」：缺失值、重複資料、格式錯誤。先選策略，再看 Python 怎麼寫。顧北辰在這裡學到的第一件事是：空白不是安靜，空白是模型看不見。

{{ missingPython }}

{{ missingResult.title }} {{ missingResult.text }}

Outliers Z <= {{ zScoreThreshold.toFixed(1) }} Flagged: {{ outlierCount }}

這一格只處理「太遠的點」。異常值不是一律刪掉，它可能是錯誤、詐騙、也可能是真正重要的稀有事件。所以先用 Z-score 標出可疑樣本，再按下隔離。

{{ outlierPython }}

{{ outlierResult.title }} {{ outlierResult.text }}

Act Ⅱ · Feature Engineering

把乾淨資料變成模型能吃的欄位

第二幕只做兩件事：標準化與特徵工程。不再用下一步硬推，而是讓你自己選 Python 寫法與欄位策略。

Scaling {{ currentScaleMethod.title }} {{ normalizeProgress }}%

金額、距離、次數不能直接丟給模型比較。這一格只做標準化：選一種縮放方法，看 Python 寫法，再讓 3D 資料池從失控散點壓回可比較的矩陣。

{{ scalePython }}

{{ scaleResult.title }} {{ scaleResult.text }}

Feature Engineering Noise: {{ features.noise ? 'ON' : 'OFF' }} Leakage: {{ features.leakage ? 'ON' : 'OFF' }}

這一格只處理欄位：刪掉噪音、關掉資料洩漏、保留目標訊號。特徵工程不是把資料弄漂亮，是讓模型不要偷看答案，也不要被熱鬧欄位牽走。

氣候 / 匯率變數 (NOISE)

熱鬧但跟她沒關。留著只會讓模型把假訊號當情書讀。

前世記憶欄位 (LEAKAGE)

看似超準，其實偷看答案。這種欄位會讓模型在現實裡崩盤。

心跳 / 消費頻率 (TARGET)

這兩個欄位才是她留下的真跡。要保留，不要被清洗流程誤殺。

{{ featurePython }}

{{ featureResult.title }} {{ featureResult.text }}

Act Ⅲ · Report

完整跑完 pipeline 後，EP03 的重點會回收成一句話：特徵選擇不是把資料變少，而是讓模型終於聽得見真正的聲音。

等你跑到 Done，STATS 會滿格；LOVE 不會。因為前處理只能讓模型變準，不能讓人變值得被愛。

Next Episode Signal

清洗後的資料只留下三個欄位：城市、時間、發生率。顧北辰盯著那串 PARIS_LEFT_BANK 看了十七分鐘，終於下了一道新的命令：不要再問她在哪，開始計算她下一次出現的機率。

於是資料前處理結束，機率分佈開始。下一集，他會把柳如煙的每一次沉默、每一通未接來電、每一個罕見回覆，都塞進常態、二項與泊松分佈裡，試圖用數學追回一個早就不想被追回的人。