知识卡片

操作参考卡 · 9907.b · 生成模型:Hunyuan

连续与类别特征处理

理解等级:中级

推荐模型的输入是数值特征向量,不同类型的原始特征需要不同处理。连续型特征如年龄、播放时长、历史CTR,常用归一化统一量纲、离散化分桶防止过拟合、加非线性函数增强非线性表达。类别型特征如历史行为与属性标签,通常用one-hot或multi-hot编码,但会带来维度过大、特征过于稀疏、参数过多、收敛慢的问题。成熟做法是用Embedding把类别特征编码成稠密向量,再与其他特征拼接成最终输入。操作顺序是先判断特征类型,再选编码方式,最后评估稀疏性与模型容量是否匹配。边界在于离散化粒度太粗会丢失区分度,太细则回到过拟合。

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5章 多角度审视推荐系统 · 查看原书依据

      对于这类特征的处理,最常用的处理手段包括归一化、离散化、加非线性函数等方法。 归一化的主要目的是统一各特征的量纲,将连续特征归一到[0,1]区间。也可以做0均值归一化,即将原始数据集归一化为均值为0、方差为1的数据集。

    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:原文分别说明归一化、离散化、非线性变换的目的,并指出one-hot与multi-hot的稀疏问题推动Embedding成为类别特征主流处理。 - 原始内容:对于这类特征的处理,最常用的处理手段包括归一化、离散化、加非线性函数等方法。 归一化的主要目的是统一各特征的量纲,将连续特征归一到[0,1]区间。也可以做0均值归一化,即将原始数据集归一化为均值为0、方差为1的数据集。