前言

資料清洗有多們重要呢？我也不知道，但是我看了一些文章去了解它。
機器學習之資料清理經驗
機器學習中的資料清洗與特徵處理綜述
機器學習之資料預備、清洗與特徵工程

簡單來說，如果你不要你的模型爆掉或者梯度爆炸，最好可以剔除異常或極端的數值，所以需要做一些簡單的資料清洗。

實作

我簡單用PHP-ML去除相似數值，讓資料可以分布的不要太過集中而影響成果。

use Phpml\FeatureSelection\VarianceThreshold;
$samples = [[0, 0, 1], [0, 1, 0], [1, 0, 0], [0, 1, 1], [0, 1, 0], [0, 1, 1]]; 

// 取一個斜方差閥值，將相似性比較高的刪除。
$transformer = new VarianceThreshold(0.8 * (1 - 0.8));

// 將Sample放置於前處理函式
$transformer->fit($samples);
// 轉換 
$transformer->transform($samples);

結語

機器學習的分享到一段落，如果還對這方面很感興趣的話，可以繼續鑽研下去，畢竟後續的整合與學習都非常的重要。