1.去除唯一屬性
類似於身份證信息，編號這類的屬性，對數據分析無實際意義作用，在數據預處理的過程中我們將其刪除。
2.缺失值填補
（1）均值填補：使用屬性的平均值進行填補。
（2）同類均值填補：將樣本進行分類，然后將缺失值所在類的屬性均值拿來進行填補。
（3）眾數填補：屬性值出現最多的拿來填補。
（4）建模預測：將缺失的屬性拿來作為預測的目標，將數據集按照是否含有特定屬性的缺失值分為兩類，利用模型預測值進行填補。
（5）高維映射
（6）多重差補
3.特征二值化
將數值型的屬性按照閾值轉換為布爾值的屬性。用戶根據具體問題設定一個閾值作為分割點，將屬性值划分為0和1兩種。
4.特征編碼