数据预处理之数据编码

对离散的数据集进行编码是很常见的事情，标准步骤为首先划分训练集和测试集，对训练集进行学习，然后用训练集产出的中间变量对测试集进行编码

如果一股脑将所有数据集进行编码/解码

这样做简单快速，可以让我们快速掌握数据的基本情况，但存在几个缺陷：
> 1. 数据泄露。在预处理时使用测试集的数据，会让模型提前知道一部分测试集相关的信息和答案，因此得出的结果是虚高的，模型的泛化能力将大打折扣
> 2. 模型不具备编码新数据的能力，因此不能用于新数据，只能限制于当前数据