特征处理

特征总体分为几个类型
数值型
类别型
时间型
文本型
统计型
组合型

 幅度调整/ / 归一化

数值型特征 处理

幅度调整到 [0,1] 范围内：MinMaxScaler()

归一化

统计值 max, min, mean, std

离散化

就是做成区间形式

Hash 分桶

粪桶和离散化类似，离散化是分成区间形式，分桶则是利用kmeans（聚类） 聚成桶在计算

每个类别下对应的变量统计值 histogram( 分布状况 )

数值型 => 类别型（kmeans）

one-hot

把类别用0,1替换

Hash 技巧

Histogram

时间型

既可以看做连续值 ， 也可以看做离散值

连续值
a) 持续时间( ( 单页浏览时长 )
b) 间隔时间( ( 上次购买/ / 点击离现在的时间 )

离散值
a) 一天中哪个时间段 (hour_0-23)
b) 一周中星期几( ( week_monday …)
c) 一年中哪个星期
d) 一年中哪个季度
e) 工作日/ / 周末