在点击率预估场景中，最经典的就是把类别型数据做onehot编码，然后用LogisticRegression一跑就行。
作者这边在处理阿里妈妈2018的初赛数据，只用部分类别字段，但onehot的话，也有16000维。如果使用pandas.get_dummies进行编码，会得到400000*16000这样规模的矩阵，然后丢给LR，结果就是memory error。貌似，get_dummies的sparse=True，没起啥作用。
不偷懒了，用LabelEncoder+OnehotEncoder!
加载数据中的类别字段
from 虽然指定用str类型读取，但送给LabelEncoder前必须再次astype('str')，否则要报错的。
编码onehot
oh训练数据tranform后会得到类型为scipy.sparse.csr.csr_matrix的稀疏矩阵。
训练lr
from 这样就ok了。