对于分类特征的处理，sklearn中常见的方法有两种，一种是OneHotEncoder，另一种很多人说是LabelEncoder，其实不对。sklearn中，还有一个OrdinalEncoder，二者似乎一样，但其实并不相同，差别很大。本文将用Kaggle的房价预测的实例来描述如何这些差异以及不同处理对预测算法的影响。
《Effective Java 第三版》笔记之七 消除过期的对象引用
关于padding
深度学习基础——激活函数以及什么时候该使用激活函数
R语言技巧总结笔记
数据特征处理之特征哈希（Feature Hashing）
最流行的用于预测的机器学习算法简介及其优缺点说明
提炼BERT——将BERT转成小模型（Distilling BERT — How to achieve BERT performance using Logistic Regression）
深度学习之Encoder-Decoder架构
overflow：hidden清除浮动的一个简单的列子
抛弃Spark？Flink会是下一代大数据计算引擎吗？
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
贝塔分布（Beta Distribution）简介及其应用
回归模型中的交互项简介（Interactions in Regression）
使用R语言进行K-means聚类并分析结果
矩母函数简介（Moment-generating function）
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
stata 用outreg2输出回归结果
Wishart分布简介
深度学习技巧之Early Stopping（早停法）