前言

在机器学习中， 一般特征可以分为两类特征：连续型特征和离散型特征
而离散型特征既有是数值型的，也有是类别型特征(也可以称为字符型的，正好和前面的数值型相对应)，
比如说性别，是男还是女；职业，可以是程序员，产品经理，教师等等。

离散型特征中，又有有序的和无序的。
比如城市这个特征，它的特征值包括北京，上海，天津，大连，成都....等，这是无序的。
但是比如收入水平这个特征，他的特征值有高收入，中等收入，低收入，这是有序的。

连续型特征（浮点型）

例子：[4654.1313, 11, 0, 4564654, …]
对于连续特征，在拿到数据后，需要进行两步常规操作：

归一化，将数据缩放到线性放缩到[-1,1]间；
标准化，将数据放缩到均值为0，方差为1。

注：
基于`参数`的模型或基于`距离`的模型，都是要进行特征的归一化。
基于`树`的模型是不需要进行特征的归一化，例如随机森林，bagging 和 boosting等。

离散型特征

离散型特征当中，既有数值型的（int型），也有类别型的(字符型)。
例子：[‘AskReddit’, ‘Jokes’, ‘politics’, ‘explainlikeimfive’, ‘gaming’]
      ['男','女']
      ['A','B','AB','O']
      ['高收入','中等收入','低收入']
对于离散类别型特征基本就是按照one-hot（独热）编码，
该离散类别型特征有多少取值，就用多少维来表示该特征，或者用其他类型的编码。