数据清洗步骤

数据清洗可以通过5步做好：

1.把所有非数值变量转为数值变量：含有人类知识的变量根据先验知识转化（比如日期转化为天数、年、月、日等，地理转化为经纬度、城市等级等，定序变量保留序数），不含有先验知识的非数值变量通过one-hot encoding一律转成0-1哑变量，此时所有变量都是数值型的了。

2.把一系列相似变量可以用统计量概括或补充（比如不同时期第三方信息、几个城市等用均值方差之类的信息）。

3.删掉那些空值与同一值占比过多的稀疏变量。

4.删掉共线变量 。

5.把空值填充好（中位数或平均数等），然后标准化。