one-hot 特征，数据处理特征归一化

one-hot特征：独热编码也称一位有效编码，2进制编码
好处：解决了分类器不好处理属性数据问题，一定程度上扩充特征作用
数据处理特征归一化：归一化目的使预处理数据限定在[0,1]或者[-1,1]消除样本数据不良影响
特征归一化—最大最小标准化（：最大最小归一化结果值映射[0,1]转换函数：

适用数据值比较集中
缺点：如果max和min不稳定效果不好，误差大
场景：图像处理中，将RGB图像转换为灰度图像后将其值限定在[0 255]的范围。
特征归一化—Z-score标准化方法
数据处理后符合标准正态分布，即均值为0，标准差为1，其转化函数为：

其中μ为所有样本数据的均值，σ为所有样本数据的标准差。
应用场景：在分类、聚类算法中，需要使用距离来度量相似性的时候、使用PCA技术进行降维的时候，Z-score 标准化表现更好。
one-hot 用pandas实现例子

import pandas as pd
df=pd.DataFrame([1,2,3],index=['yellow','red','blue'],columns=['hat'])#黄色1 红色2 蓝色 3
print(df)
#dummies = pd.get_dummies(df[dummy_column], prefix=dummy_column) 用 0 1代表 hat帽子数
xiao=pd.get_dummies(df['hat'],prefix='hat')
print(xiao)

hat代表帽子 1代表1个黄色帽子。用one-hot表示也为0.1表示帽子个数。