获取分析数据，熟悉数据的格式、数据量，理解数据的含义

    用Python语言实现数据的预处理
    工业生产中，可以收集到三类数据：可控参数draft_data；不可控参数param_data；过程中监控的指标param_data_timevarying；以及关于质量指标:成品率key_index。
    数据是以批次为单位进行记录。每一个批次都有：
    一组可控参数（用Xd表示）
    一组不可控参数（用Xp表示）
    每个时间间歇（约1分钟）采集数百组监控数据（用Xt表示）
    因为涉及数个产品的生产，可以得出一个质量指标的单个值，也就是成品率(用Y表示)
    数据分为训练数据和测试数据。训练数据包括Xd, Xp, Xt和Y。利用训练数据找出数据见的关联和关系。测试数据和训练数据在格式和内容上一致，只是不含Y信息。
    此项目需要完成2个任务：
    预测Y: 
    利用Xd预测Y，即Y= f(Xd)；
    利用Xd, XP, Xt预测Y，即Y= f(Xd, XP, Xt)，其中Xt为生产过程的监控数据；
    列出三个最优的Xd

我们需要将实验3中准备好的数据导入分析环境Rstudio中。原始数据以csv形式存储，我们将其导入Rstudio中，变为Data Frame格式，以便后续的分析

在上一步的实验中，我们将要完成对变量的选择。变量选择的目的是去除一些不必要的变量，将变量数量控制在一定范围内，从而方便分析。
在工业上，变量选择往往遵循以下思路：
1. 利用一些标准剔除部分变量，一般将变量数量控制在200个之内
2. 利用变量选择算法和模型，将变量数量控制在几十个范围之内
3. 去除不显著的变量
4. 去除在工业上不符合逻辑（符号和逻辑关系矛盾）的变量
在本项目中，我们尝试了上述的所有方法的组合，最后我们使用的是基于BIC的stepwise和 MCP。

这一步，我们将利用Xd, XP, Xt预测Y，即Y= f(Xd, XP, Xt)，其中Xd为draft数据，Xp为param数据，而Xt为生产过程的监控数据，即monit。这一步需要经过一系列的数据清洗，随后利用binning的方法处理数据，再进行建模、交叉验证、模型选择和预测。