知识卡片
连续特征标准化归一化
连续特征(int/float/double,如时间、CTR、年龄)需转成模型可接受形式。标准化(归一化)主要服务于 LR、神经网络等需梯度下降的模型:它让特征分布尽量符合模型假设分布(连续数值假设正态、二分类伯努利、多分类多项),从而更好拟合、更快收敛、节省训练时间。常用三法——最小/最大归一化(线性映射到 [0,1],适合分布稳定数据,但新数据会改 xmax/xmin)、log 函数转换(常加威尔逊平滑防异常)、z-score(零均值单位方差,适合最大最小未知或有离群值)。复杂分布还可用 BoxCox(调 λ 纠偏到伪正态)。注意:树模型不太需要标准化;标准化不解决异常值,异常仍需单独处理。相关卡见 [[连续特征分箱离散化]]。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 构建推荐系统的特征 3.3 怎么处理连续特征 · 查看原书依据
连续特征就是特征值为数值类型(int、float或者double)的特征,如时间、CTR、年龄等
参考来源
- 位置:《推荐系统全链路设计:原理解读与业务实践》第3章《构建推荐系统的特征》(来源项目book-sources;extracted/推荐系统全链路设计:原理解读与业务实践/_epub-src/converter-master/example/312287/35.html;src-021)
- 结论依据:原文说明标准化是为让特征符合模型假设分布以提高精度、加快收敛,并列出 min-max/log/z-score/BoxCox 等方法及适用场景,支撑本卡。
- 原始内容:连续特征就是特征值为数值类型(int、float或者double)的特征,如时间、CTR、年龄等