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？
  +
  • 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]]

网络回响