数值特征

特征缩放

• Log-based#card

  • 针对幂律分布的特征(少量热门视频播放次数高)

• [[Normalization]] 和 [[Regularization]]#card

  • 标准化将样本属性值缩放到指定的范围

    • 针对属性

  • 正则化将样本的某个范数缩放到单位1

    • 正对样本

• Robust Scaling#card

  • 解决其他特征变换方法把特征值压缩到一个非常狭窄的空间，失去特征区分度

  • $$x_{\text {scaled }}=\frac{x-\operatorname{median}(x)}{\operatorname{IQR}}$$

  • IQR 四分位距，确定第三四分位和第一四分位的差值

特征分桶

• 为什么？

  • {{embed 数值特征离散化分桶
    }}

  • 引入非线性

  • 增强可解释性

  • 对异常值不敏感，防止过拟合

  • 分桶后可以对不同的桶做进一步的统计和组合

• 方法

  • 无监督分桶#card

    • 固定宽度(等宽)

    • 分位数(等距)

    • 对数转换并取整

  • 有监督#card

    • 卡方

    • 决策树 [[GBDT+LR]]