数据预处理与特征工程

注意哑变量的问题
#将文本型数据转化为数值型数据 以适应只能处理数字型数据的算法
但是不能直接转化
要考虑是名义变量、有序变量还是有距变量
分类转换成数字的时候，不能忽略了数字中自带的数学性质，所 以给算法传达了一些不准确的信息，而这会影响我们的建模。
类别OrdinalEncoder可以用来处理有序变量，但对于名义变量，我们只有使用哑变量的方式来处理，才能够尽量 向算法传达最准确的信息:
此时要考虑onehot编码
这样的变化，让算法能够彻底领悟，原来三个取值是没有可计算性质的，是“有你就没有我”的不等概念。在我们的 数据中，性别和舱门，都是这样的名义变量。因此我们需要使用独热编码，将两个特征都转换为哑变量
独热编码要记得转换成数组toarray()

连续型变量 可
二值化
分箱（分类）