1.離散值的處理：
因為離散值的差值是沒有實際意義的。比如如果用0,1,2代表紅黃藍，1-0的差值代表黃-紅，是沒有意義的。因此，我們往往會把擁有d個取值的離散值變為d個取值為0,1的離散值或者將其對映為多維向量。
2.屬性歸一化：
歸一化的目標是把各位屬性的取值範圍放縮到差不多的區間，例如[-0.5,0.5]。這裡我們使用一種很常見的操作方法：減掉均值，然後除以原取值範圍。
做歸一化至少有以下3個理由： - 過大或過小的數值範圍會導致計算時的浮點上溢或下溢。 - 不同的數值範圍會導致不同屬性對模型的重要性不同（至少在訓練的初始階段如此），而這個隱含的假設常常是不合理的。這會對優化的過程造成困難，使訓練時間大大的加長。 - 很多的機器學習技巧/模型（例如L1，L2正則項，向量空間模型-Vector Space Model）都基於這樣的假設：所有的屬性取值都差不多是以0為均值且取值範圍相近的。
3.分割資料集
一般把資料集分為兩部分，一部分為訓練集，用於訓練資料，一部分為測試集，用於測試訓練的資料，測試集不應過多或過少，資料較少時訓練集：測試集可以為8:2，較多時比例可以達到9:1 。