特征编码：

在数据挖掘中，一些算法可以直接计算分类变量，比如决策树模型，但是需多算法不能直接处理分类变量，他们的输入和输出都是数值型数据。因此。把分类变量转换成数值型数据是必要的，这样我们就引入了独热编码和哑编码。比较常用的是对逻辑回归中的连续变量做离散化处理，然后对离散特征进行独热编码或哑编码，这样就可以使模型具有较强的非线性能力。

我闷举几个例子

# python 算法 不支持 分类变量

from sklearn.tree import DecisionTreeClassifier

X = ['a','a','b','b']

y = [0,0,1,1]

Dtree = DecisionTreeClassifier()

Dtree.fit(np.array(X).reshape(-1,1),y) # X 必须是二维数组

# 得到结果证明不能处理非数值型数据

ValueError: could not convert string to float: 'a'

但是

X = ['1','1','2','2']

y = [0,0,1,1]

Dtree = DecisionTreeClassifier()

Dtree.fit(np.array(X).reshape(-1,1),y) # X 必须是二维数组

# 这个就可以，虽然X里面是非数值型数据，但是这种类型，决策树会帮我们自动转换

在python里，非数值型数据无法进行处理，但是在其他工具里，决策树会自动将非数值型数据惊醒映射

字符串类型的数据转换为数值型数据的方法：

方法一：

标签化处理：最简单的处理方法，直接把分类变量映射成数字，具体原理就是将分类变量放入一个数组，去重之后变量的下标就将其映射为对应的数值，具体方法如下：

from sklearn.tree import DecisionTreeClassifier

from sklearn.preproce