唐宇迪NLP-文本相似度

将一列的month数据展开为了12列，用0、1代表类别。
另外在处理categorical feature有两点值得注意：

1. 如果特征中包含大量需要做dummy variable处理的，那么很可能导致得到一个稀疏的dataframe，这时候最好用下PCA做降维处理。

2. 如果某个特征有好几万个取值，那么用dummy variable就并不现实了，这时候可以用