数据预处理：原始数据集，特征数值化，特征值数值化

原始数据集，特征数值化

在原始数据集中，feature是多种多样的，为了方便处理，我们必须把feature数值化，而且还需要把特征值数值化。

示例：

x=[[黄色,小,成人,用手打]
,[黄色,小,成人,用脚踩]
,[黄色,小,小孩,用手打]
,[黄色,小,小孩,用脚踩]
,[黄色,大,成人,用手打]
,[黄色,大,成人,用脚踩]
,[黄色,大,小孩,用手打]
,[黄色,大,小孩,用脚踩]
,[紫色,小,成人,用手打]
,[紫色,小,小孩,用手打]
,[紫色,大,成人,用脚踩]
,[紫色,大,小孩,用脚踩]
]
y = [不爆炸,爆炸,不爆炸,不爆炸,爆炸,爆炸,不爆炸,爆炸,不爆炸,不爆炸,爆炸,爆炸]

feature数值化，直接是一个数据的下标ID就可以了。

featureValue数值化，为了实现featureValue数值化，我们必须建立（feature，featureValue):featureValue编码 的字典

可见上述数据x为：数据数量*feature数量

注意我们这里没有使用numpy特征数值化，使用python比较方便。

为了简便解释feature数量为n,数据数量为N

将数据转置,这样得到的数据为:feature数量n*数据数量N，这样每一行就对应了某一个feature的N个取值

		# 将输入的向量转置
		features = map(list,zip(*x))

每一行就对应了某一个feature的N个取值，这个就是我们编码的对象，我们需要确定每一个feature有多少个取值，set就去掉了重复，就得到的矩阵为：feature数量n*每一个feature取值的数量m

        # 获取的是每一个feature的取值
        features = [set(feat) for feat in features]

下面是编码，_对应的是 feature取值，i对应的是这个feature取值的编码，比如黄色是0，紫色是1，小是0，大是1，这样得到的是二维数组：feature数量n*feature取值的数量m,这个字典就是：（feature，featureValue):featureValue编码，比如features[颜色][黄色] =0

        # feat_dics[第几个feature][这个feature的取值] = 这个feature的取值对应的数值化ID
        feat_dics = [{_:i for i,_ in enumerate(feats)} for feats in features ]
        label_dic = {_:i for i,_  in enumerate(set(y))}

得到（feature，featureValue):featureValue编码的字典之后，就需要对原始数据编码，我们需要按照（feature，featureValue)这个pair索引来编码。

原始数据为：数据数量N*feature数量n,一行一行的读取，就是一个数据的n个featureValue，这个就和索引对上了，每一个featureValue都能找到对应的编码了。

        # 利用字典转换更新数据集
        # 这里可能有点难以理解，自己举个例子就能明白
        # feat_dics每一行代表一个feature纬度
        # 每一行里装的是：这个feature的取值：数值化这个feature的取值
        # 原始x每一行[feature1,feature2..]，遍历它，就是第几个feature
        x = np.array([[feat_dics[i][_] for i,_ in sample] for sample in x])
        y = np.array([label_dic[yy] for yy in y])