建模杂谈系列203 建模过程2 数值化映射

说明

上一次已经快速探查了数据，为数据做了数据字典以及基础的转换，并将数据分为了训练和测试。
现在就假定我们只有训练，然后开始进行更深入的建模步骤。

内容

1 为什么要数值化

一方面是因为后续存储和计算的便利性。假设数据的一部分需要通过矩阵计算，那么保持统一的格式，例如float32。

另一方面，在数值化的过程中，势必要去考虑缺失值的处理。

经过这个步骤，确保后续的操作的数据将全部是数值，并且没有缺失。

比较特殊的应该是id，理论上，这个变量将伴随整个建模过程，且不参与计算。

2 字符型的数值化

所有的字符型变量，默认填充缺失为’MISSING’

# 读取之前映射好的数据
train_df = from_pickle('train_df_003', data_path)
# 读取变量字典
data_dict_df = from_pickle('data_dict_df_002'<