信息熵越高，乱码概率越高；（通过信息熵来判断一个东西的概率）。

特征的维度和每一个特征代表的含义都要一模一样【比如有的数据不完整，你是选择删除空的/缺失的数据，还是对其进行填充（填充NaN呢还是填充0/1等数据）】。

当面对业务上的数据时，你要思考，哪些数据中的哪些特征是有用的，哪些是没用的；然后再对其进行进一步的处理。

百分比分类的问题都可以用 one-hot 进行处理。