平滑处理，可使分类器的学习更加准确，我们会首先把label给。这一步很容易会被忽略，导致模型的结果总是达不到一定标准。
使用最有逼格的 log1p, 也就是 log(x+1)，避免了复值的问题。
PS：复值函数指一个自变量对应多个因变量
如果把数据平滑化了，那么最后算结果时，要记得把预测到的平滑数据给变回去。
log1p() 平滑后，就需要 expm1() ;
同理，log()就需要exp(), ... etc.
这是，我从kaggle比赛代码中看到的。
平滑前后的数据，是这样的。类似，将数据缩放到指定区间。
log(price + 1) price
Id
1 12.247699 208500
2 12.109016 181500
3 12.317171 223500
4 11.849405 140000
5 12.429220 250000
6 11.870607 143000
7 12.634606 307000