三种方法都可以考虑

正确答案是：A: ①②③

以下是对每种方法的专业分析：

1. **盖帽法（Capping）**：
- **方法概述**：盖帽法通过设置合理的上下限，将超过这个范围的异常值调整为临近的边界值。这种方法能够限制异常值对模型的影响。
- **适用场景**：当异常值是由于测量误差或极端但可能出现的数据点时，盖帽法非常有效。

2. **离散化（Discretization）**：
- **方法概述**：将连续变量转换为离散变量。通过将数值分段，将数据划分为几个区间，每个区间用一个特定值或标签来表示。
- **适用场景**：适用于异常值不重要或不具备实际意义的特征，且特征在分类任务中用于建模时。

3. **转化为分类变量（Convert to Categorical Variable）**：
- **方法概述**：将数值型特征转换为类别型特征，将数据变为不同的类。异常值可以被视为一个独特的类别。
- **适用场景**：当特征的数值大小不如类别之间的区别重要时，可以使用这种方法。

上述三种方法都可以有效地处理包含大量异常值的特征，具体使用哪种方法可以根据数据特征的实际情况和建模需求来决定。