Standardization 提升模型的收斂速度 提高模型的精準度 類別型 Encoding 標籤編碼（ Label Encoding ）: 把每個類別轉換到某個整數，不會增加新欄位，使用時機通常是該資料中不同類別是有序的。ex. 類別有小孩、年輕人、老人，根據年齡分組，使用標籤編碼表示為 0, 1, 2 是合理的，因為年齡上老人 > 年輕人、年輕人 > 小孩 獨熱編碼（One-Hot Encoding）: 為每個類別新增一個欄位，用 0/1 表示是否。使用時機通常是該資料中不同類別是無序的。 數值型 Encoding Binarizer：根據閾值將數值型轉變為二進制型，閾值可以進行設定，另外只能對數值型數據進行處理 binning：使用邊界，轉成多個組別