知识卡片
特征工程与模型的一体化
深度学习时代模型本身承担了大量特征筛选与组合,人工特征组合、过滤的工作大幅减少。但这不等于可以忽略业务理解:Wide&Deep中哪些特征喂给Wide部分以增强记忆,DIEN中如何对用户行为序列做Embedding化,都需要与模型结构一起设计。于是特征工程不再是模型之前的独立步骤,而成为深度学习模型的一部分,需要整体建模。不变的是,只有深入理解业务运行模式与用户在场景下的行为动机,才能精确抽取最有价值的特征。反例是只调网络深度、激活函数而不审视数据来源,往往做不出真正针对场景的改进。
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
传统的人工特征组合、过滤的工作已经不存在了,取而代之的是将特征工程与模型结构统一思考、整体建模的深度学习模式。不变的是,只有深入了解业务的运行模式,了解用户在业务场景下的思考方式和行为动机,才能精确地抽取出最有价值的特征,构建成功的深度学习模型。
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:原文以Wide&Deep和DIEN为例说明特征抽取与模型结构深度耦合,并提出传统人工组合被整体建模取代。
- 原始内容:传统的人工特征组合、过滤的工作已经不存在了,取而代之的是将特征工程与模型结构统一思考、整体建模的深度学习模式。不变的是,只有深入了解业务的运行模式,了解用户在业务场景下的思考方式和行为动机,才能精确地抽取出最有价值的特征,构建成功的深度学习模型。