如何有效处理特征范围差异大且类型不一的数据？

1. 特征类型混杂: 连续变量，离散变量，描述变量共存
2. 不同变量之间取值差异大: 例如有些变量取值在0~1但有些取值为10000-50000

归一化

对数折线图

连续型的特征，如果都是正的，且分布偏向较小的值，可以考虑取对数。
如highcharts: type: ‘logarithmic’,

var chart = Highcharts.chart('container', {
	title: {
		text: '2010 ~ 2016 年太阳能行业就业人员发展情况'
	},
	subtitle: {
		text: '数据来源：thesolarfoundation.com'
	},
	yAxis: {
		title: {
			text: '就业人数'
		},
		type: 'logarithmic',
	},
	legend: {
		layout: 'vertical',
		align: 'right',
		verticalAlign: 'middle'
	},
	plotOptions: {
		series: {
			label: {
				connectorAllowed: false
			},
			pointStart: 2010
		}
	},
	series: [{
		name: '安装，实施人员',
		data: [43934, 52503, 57177, 69658, 97031, 119931, 137133, 1577774175]
	}, {
		name: '工人',
		data: [24916, 24064, 29742, 29851, 32490, 30282, 38121, 40434]
	}, {
		name: '销售',
		data: [11744, 17722, 16005, 19771, 20185, 24377, 32147, 39387]
	}, {
		name: '项目开发',
		data: [null, null, 7988, 12169, 15112, 22452, 34400, 34227]
	}, {
		name: '其他',
		data: [12908, 5948, 8105, 11248, 8989, 11816, 18274, 18111]
	}],
	responsive: {
		rules: [{
			condition: {
				maxWidth: 500
			},
			chartOptions: {
				legend: {
					layout: 'horizontal',
					align: 'center',
					verticalAlign: 'bottom'
				}
			}
		}]
	}
});

如果各个特征的取值范围差别很大，而你的模型对取值范围的差别又比较敏感，可以考虑归一化。