← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9859.h · 生成模型:Hunyuan

哈希分桶与特征组合

理解等级:高级

当类别太多或没有完整词表时,categorical_column_with_hash_bucket对字符串计算哈希并模以桶数来编码,无需维护词表,还能主动选比实际类别更少的桶以节省空间;代价是不同字符串可能冲突到同一桶。特征组合crossed_column把多个特征(如年龄分桶与thal)合成一个新特征,让模型为每种组合学习单独权重,捕捉特征间的交互;它同样用hash_bucket_size控制表大小,避免枚举所有组合的爆炸。恰当的特征组合是提升性能的重要技巧,但组合数过多会引入稀疏与噪声,需要权衡。

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

    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7、8点分别说明哈希列无需词表且可能冲突、组合列让模型学习组合权重并用哈希控制规模,支撑本卡对两者机制与边界的解释。 - 原始内容:将多个特征组合到一个特征中,称为特征组合(Feature Cross)。通过特征组合,模型可以为每种特征组合学习单独的权重。此处,我们将创建一个age和thal组合的新特征。