1、特徵名稱編碼問題，特別是有中文的時候，容易遇到utf-8和unicode編碼不能比較的問題

• 計算機記憶體中，統一使用Unicode編碼，需要儲存或者傳輸時，轉換成UTF8編碼
• 而 Python2 預設編碼是 ASCII編碼。然而，眾所周知，在需要需要轉換的場景，ASCII 都是沒用的（128個字元，夠什麼吃）
• Python 3 預設編碼變為 Unicode。這也就意味著，做所有需要轉換的場合，都能正確併成功的轉換。
• 當在python2環境中遇到該問題時，可以

1. 所有 text string 都應該是 unicode 型別，而不是 str，如果你在操作 text，而型別卻是 str，那就是在製造 bug。
2. 在需要轉換的時候，顯式轉換。從位元組解碼成文字，用 var.decode(encoding)，從文字編碼成位元組，用 var.encode(encoding)。
3. 從外部讀取資料時，預設它是位元組，然後 decode 成需要的文字；同樣的，當需要向外部發送文字時，encode 成位元組再發送。

Python3中提供了encode()和decode()兩種方法encode的作用是是將某個unicode字串按照一定的編碼方式編碼成對應的位元組序列。 如str.encode('utf8')，表示將unicode編碼的字串str轉換成utf8編碼的位元組序列。

decode是一個反過程，將一個位元組序列按照一定的編碼方式解碼成unicode字串 如str.decode('utf8')，表示將utf8編碼的字串str轉換成unicode字串。

2、對比某個特徵源中某些特徵失效的影響

在相同的測試集上，對比auc發現，去掉某些特徵auc反而升高。

這說明訓練模型時，特徵選擇沒有做好，還是跳槽沒有調好？