类别型特征处理
类别型数据本身没有大小关系 ,大数需要将它们编码为数字 ,据项但它们之间不能有预先设定的目特大小关系,因此既要做到公平,征工又要区分开它们,程型处理那么直接开辟多个空间
One-Hot 编码/哑变量
One-Hot 编码/哑变量所做的特征就是将类别型数据 平行地展开 ,也就是大数说,经过 One-Hot 编码/哑变量后,据项这个特征的目特空间会膨胀。
时间型特征处理
时间型特征既可以做连续值 ,又可以看做离散值。程型处理
连续值
–持续时间(网页浏览时长)
–间隔时间(上一次购买/点击离现在的特征时间间隔)
离散值
–一天中哪个时间段
–一周中的星期几
–一年中哪个月/星期
工作日/周末
统计型特征处理
加减平均:商品价格高于平均价格多少 ,用户在某个品类下消费超过多少。大数
分位线:商品属于售出商品价格的据项分位线处 。
次序性 :商品处于热门商品第几位 。目特
比例类:电商中商品的好/中/差评比例。
推荐系统常见反馈数据
(作者:汽车配件)