数据预处理

一、缺失值填充

data= data.fillna(dict(zip(dense_columns, len(dense_columns) * [0.0]))).fillna(dict(zip(sparse_columns, len(sparse_columns) * [-1]))).replace('', '-1').replace('nan', '-1').replace('NULL','-1')

PS：fillna处理的NaN也就是存在Hive表中的NULL，后面可以用replace对特定的缺失值"", "NULL","nan"额外做处理；注意数据类型，这里取得例子不太恰当，前面连续值是double，离散值是int，replace处理的是sting

二、连续特征归一化VS标准化

三、离散特征做hash

四、稀疏特征embedding处理

五、序列特征