知识卡片

普通读书笔记卡 · 9859.f · 生成模型:Hunyuan

数值列与分桶处理

理解等级:中级

数值列是最简单的特征列,用numeric_column声明后模型接收未经改动的实数值,例如年龄直接作为[47.]这样的浮点输入。但直接输入连续数字往往不利于建模,分桶列bucketized_column按给定边界(如18、25、30到65)把年龄切成区间,再经DenseFeatures变成独热向量,例如落入某区间只在对应位为1。分桶的本质是把连续特征离散化,让模型学到分段而非线性关系,同时保留可解释性。是否分桶取决于特征分布与任务,教程强调也可不做处理。

这张卡片看不懂?

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

    • 第10章 用Embedding表现分类特征 · 查看原书依据

      我们一般不希望将数字直接输入模型,而是根据数值范围将其值分成不同的类别。以一个人的年龄为例,我们可以用分桶列(Bucketized Column)方法将年龄分成几个分桶(bucket),而不是将年龄表示成数值列。

    参考来源

    - 位置:《深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)》第10章 用Embedding表现分类特征(源文件:extracted/深入浅出Embedding:原理解析与应用实践 (吴茂贵, 王红星)/_epub-src/OEBPS/Text/Chapter14_0002.xhtml) - 结论依据:原文10.2.5第3、4点分别给出numeric_column与bucketized_column示例及独热输出,支撑本卡对两种数值处理方式的对比。 - 原始内容:我们一般不希望将数字直接输入模型,而是根据数值范围将其值分成不同的类别。以一个人的年龄为例,我们可以用分桶列(Bucketized Column)方法将年龄分成几个分桶(bucket),而不是将年龄表示成数值列。