数据处理总结：

缺失值处理

该数据集缺失的都是类别特征里的，且部分类别特征与某些匿名变量线性相关性强

考虑填充新的值，比如-1

填充众数、平均数（需要取整），knn邻近（速度慢）

异常值处理

识别：

箱型图识别

3σ识别

处理：

边界值替换

映射到新维度μ，μ（正常值）=0，μ（异常值）= function（异常值）

不处理，与原数据一起归一化|标准化

分桶法（分箱法），单正常值要一起处理

特征选择：

PCA

相关性分析，剔除相关性高的类别，仅保留其中一类或少数类

通过添加噪声体现特征重要性

使用一些基于树的模型训练，可得到参数重要性

特征构造：

构造统计量特征

计数

求和

比例

标准差

上述计量特征的组合

时间特征

绝对时间

时间差

特殊时间：春节、国庆节等等节假日，是否会对价格造成影响，因为商家可能进行促销等等

地理信息

分箱

分布编码

高频统计，取高频

简单的标准化|归一化，暂时没有想到更好的方法了

非线性变换，包括 log/ 平方/ 根号等

多项式组合