机器学习中的离散特征和连续特征

首先了解机器学习中的特征类别：连续型特征和离散型特征

连续性特征：

例子：[4654.1313, 11, 0, 4564654, …]
对于连续特征，在拿到数据后，需要进行两步常规操作：

1. 归一化，将数据缩放到线性放缩到[-1,1]间；
2. 标准化，将数据放缩到均值为0，方差为1。
   注：
   基于参数的模型或基于距离的模型，都是要进行特征的归一化。
   基于树的方法是不需要进行特征的归一化，例如随机森林，bagging 和 boosting等。

离散性特征：

例子：[‘AskReddit’, ‘Jokes’, ‘politics’, ‘explainlikeimfive’, ‘gaming’]
对于离散的特征基本就是按照one-hot（独热）编码，该离散特征有多少取值，就用多少维来表示该特征，或者用其他类型的编码。