分類方法，通常需要把資料的各個屬性轉換為一個向量表示，這樣每條資料的特徵就是一個向量，向量上的每個維度就表示了一個特徵屬性。

但是如果要轉換的資料包含了3種屬性，比如身高，體重，年齡。A是女，168cm，70kg，30歲；B是男，180cm，90kg,20歲，那麼直接用數值做向量就變成了，0，168，70，30；1，180，90，20。而168和70或者30是不同的屬性，更明顯的是0或1表示的性別和其他維度差距更大。
有一種是對每個維度的數值進行無量綱的歸一化，也就是說每個維度的數值都歸一化處理到0-1或者-0.5-+0.5之間。
但是這樣依然不好，比如表示性別的0，1與其他維度依然關聯不大，所以有一種叫one-hot的編碼方式，就是表示一項屬性的特徵編碼，同一時間只有一個啟用點（不為0）。這樣A的性別變為【1，0】，B的性別編碼為【0，1】。年齡，體重，身高等可以用更多數量的enum表示（數量不是一定要滿足所有列舉，而是滿足實際資料出現的類別就可以了，比如只有三種身高，那麼身邊表示的只需要[0,0,1]就可以）
然後將各個屬性，串聯起來，構建了一個非常稀疏的特徵向量，比如性別和身高串聯為【0，1，0，0，1】，保證了各種資料的離散性。