sklearn.preprocessing 特征编码汇总

用于数据分析的特征可能有多种形式，需要将其合理转化成模型能够处理的形式，特别是对非数值的特征，特征编码就是在做这样的工作。

常见特征种类

• 二值数据：只有两种取值的变量（不一定是0/1，但是可以映射到{ 0 , 1 } {0,1}{0,1}上）
• 类别数据：多类的数据，如星期一/星期二/…，不一定是非数值的
• 有序数据：如对电影的打分，分数之间是有大小关系的
• 标称（Nominal）数据：和类别数据很像，往往是非数值的，但是不具备类别概念，如人名
• 时序数据：带有瞬时值性质的数据，如日期、时间戳等。从这类数据可以分析随时间的趋势

特别注意区分类别数据特征和标称数据特征，有时标称特征可以删除，有时需要将同标称数据聚合到一起做处理。

以下df_train是全部训练数据，除各个特征外还含有从0开始索引的id列，以及只能取0/1的标签target列。df_train被拆分成了不含target的X，以及仅含t