数据预处理—分箱（平滑）和归一化

分箱/分组

XLab中，分箱有三种方式：等距分箱，等量分箱，均值/标准差分箱

等距分箱

这里有等距分箱的详细介绍：“等距分组”。简而言之，等距分组是各组保持相等的组距，也就是说各组标志值的变动都限于相同的范围。缺点：不恰当的分组可能使得某些样本量很多（参考书籍《基于Clementine的数据挖掘》的174页）。在我们要处理的数据中就存在这种问题，所以，不能直接采用该方法；否则将导致大量的0和1。

等量分箱

将数据平均分为N组（由小到大），然后，等间隔赋值（1、2、3……）。对数据进行特殊处理后（正负样本分离去除某些特殊值），可尝试采用。

均值/标准差分箱

这个看不太懂？？？

归一化

由于数据不平衡，存在大量小的值（0.5，1，2），和少量大的值（500，1000……），怎样处理才能更好呢？