机器学习之特征工程（二）

本节主要介绍数据和特征处理。

https://github.com/liuleigit/ML_tutorial

一 特征处理

    （1）数值型

             1. 特征缩放

                 包括标准化和归一化，参看 http://blog.youkuaiyun.com/leiting_imecas/article/details/54986045

             2. log等变化

                 特征可能不能通过线性的方式缩放。例如特征符合指数分布，此时可以使用log变化可以将指数域变化到对数域

             3.统计值max, min, mean, std

             4.离散化(discretization)-----最常见

                 把连续的值分段，变成离散的值。例如数值在0-100，0-30表示为向量000，30-80表示为001，80-100表示为100.

                 <1>.有时离散型变量更容易理解;   离散化后方便给不同数值段提供不同的权重

                 <2>.离散化有不同的方式，常见的有等距切分、等频切分

             5.hash分桶

             6.每个类别下对应的变量统计值histogram（分布状况)

             7. 有时做相反的操作：数值型->类别型

    （2）类别型 category

             有三种颜色红、蓝、绿

             1. one-hot encoding（