关于ml:归一化处理连续特征和离散特征并存情况

他人答的曾经很漂亮了，我就简略复述一下。
1、从新布局间断特色边界：就是将间断值缩放到[-1,1],留神既能够缩也能够放大。
2、标准化间断特色：这个就套公式就行，计算平均值和方差，然而如果方差小还是不大行。
3、是针对离散变量而言，更像是skearn外面的哑变量解决，所有离散变量不管多大全副改为01。

另外：
我本人补充，如果是机器特色学习上述就行。深度学习能够不改哑变量，当初万物皆可embedding，用嵌入层将离散变量压缩变得浓密，将连续变量rescale bound 就行。