使用sklearn訓練模型，隻能輸入數值型變量。是以需要對資料集中的非數值型離散變量進行處理，非數值型離散變量分為兩類：有序型與無序型
一、有序型離散變量處理
什麼叫有序型離散變量呢，比如說衣服尺碼，M、L、XL；學曆：國小、國中、高中、大學；這些都屬于有序型變量。
在上圖資料表格中，size及classlabel則為有序型變量，自定義有序型字典表，進行相關映射即可：
二、無序型離散變量處理
衣服的顔色，風向、人員類别這些都屬于無序型變量，如果轉換成有序型數值代入模型會對模組化結果造成影響，是以對于無序型變量需要做獨熱編碼或者啞變量處理
（1）獨熱編碼
獨熱編碼，又稱為一位有效編碼，主要是采用N位狀态寄存器來對N個狀态進行編碼，每個狀态都由他獨立的寄存器位，并且在任意時候隻有一位有效。 獨熱編碼是分類變量作為二進制向量的表示，這首先要求将分類值映射到整數值，然後再将每個整數值表示為二進制向量。
具體操作如下：首先将無序型變量color利用LabelEncoder()方法映射為數值
再将整數型數值進行獨熱編碼
（2）啞變量處理
在模型中引入多個虛拟變量時，虛拟變量的個數應按下列原則确定： 如果有m種互斥的屬性類型，在模型中引入（m-1）個虛拟變量。 例如，性别有2個互斥的屬性，引用2-1=1個虛拟變量；再如，教育程度分國小、國中、高中、大學、研究所學生5類，引用4個虛拟變量。
pandas中的get_dummies方法來建立啞特征，get_dummies預設會對DataFrame中所有字元串類型的列進行獨熱編碼：
在實際特征工程處理過程中，使用LabelEncoder()+OneHotEncoder()方式，sklearn能夠将訓練集屬性記錄，并可以采用transform()方法直接作用于待加入模型的測試集。
什麼情況下用都熱編碼：
- 用：獨熱編碼用來解決類别型資料的離散值問題，
- 不用：将離散型特征進行one-hot編碼的作用，是為了讓距離計算更合理，但如果特征是離散的，并且不用one-hot編碼就可以很合理的計算出距離，那麼就沒必要進行one-hot編碼。 有些基于樹的算法在處理變量時，并不是基于向量空間度量，數值隻是個類别符号，即沒有偏序關系，是以不用進行獨熱編碼。 Tree Model不太需要one-hot編碼： 對于決策樹來說，one-hot的本質是增加樹的深度。
總的來說，要是one hot encoding的類别數目不太多，建議優先考慮。