特征转换

在原始数据中，有些特征需要转换，才能获取有用的信息。

1､定类等级的编码

对于定类数据，我们需要将其转换成数字特征，但却又不能使用有序数据，因为定类数据之间是没有层序关系的。这种情况下可以使用one-hot编码，pandas.get_dummies可以实现one-hot编码和虚拟编码。
如下，x_city特征值是不相关的，

2､定序等级的编码

如下，dislike、somelike、like，都是喜欢的程度，之间存在顺序，所以适合使用标签编码。
下面是使用sklean.preprocessing.LabelEncoder来实现：

该方法不能按照自己意愿的方式进行排序，如下该方法默认的编码是：0表示dislike，1表示like，2表示somelike。我想0表示dislike，1表示somelike，2表示like，那就要自定义标签编码器了。

3､连续特征分箱

有时，如果数值数据是连续的，那么将其转换为分类变量可能是有意义的。