知识卡片
特征工程的信息保留原则
特征是对推荐行为过程相关信息的抽象表达,行为必须转成数学形式才能被模型学习。由于原始场景信息存储成本过高,且大量冗余信息反而损害泛化,从行为到特征必然伴随信息损失。因此可行的原则是:在可获得的数据基础上,让一组特征尽量保留推荐环境与用户行为中的所有有用信息,同时尽量摒弃冗余。这个原则强调’尽量’而非’全部’,是工程上的取舍标准而非信息无损的承诺。比如电影推荐中’当时心情’难以采集只能舍弃,而兴趣偏好、是否大片、演员导演等可通过行为与属性间接保留。判断特征好坏的标准是看它是否覆盖影响用户决策的关键因素,而非维度越多越好。
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
- 第5章 多角度审视推荐系统 · 查看原书依据
尽可能地让特征工程抽取出的一组特征能够保留推荐环境及用户行为过程中的所有有用信息,尽量摒弃冗余信息。 举例来说,在一个电影推荐的场景下,应该如何抽取特征才能代表“用户点击某个电影”这一行为呢?
参考来源
- 位置:《深度学习推荐系统》第5章 多角度审视推荐系统(源文件:extracted/深度学习推荐系统/_epub-src/text/part0009_split_001.html)
- 结论依据:原文用电影点击场景列出六个要素并说明心情要素被舍弃,直接支撑'尽量保留有用信息、接受信息损失'的落地含义。
- 原始内容:尽可能地让特征工程抽取出的一组特征能够保留推荐环境及用户行为过程中的所有有用信息,尽量摒弃冗余信息。 举例来说,在一个电影推荐的场景下,应该如何抽取特征才能代表“用户点击某个电影”这一行为呢?