什么是组合特征?
为了提高复杂关系的拟合能力,在特征工程中经常会把一阶离散 特征两两组合,构成高阶组合特征。
如何处理高纬度组合特征?
假设用户数量M 和物品数量N为组合特征,那么学习的参数就是m*n,然而m和n 可能是千万级别的数量级,几乎无法学习m*n数量级的规模的参数。在这种情况下一种有效的方法就是对m,和n分别用k维的低纬向量来表示。
那么学习的参数将从m*n,变成k*m+n*k.这等价于矩阵分解,推荐算法中经常用矩阵分解的思路。
什么是矩阵分解?
什么是组合特征?
为了提高复杂关系的拟合能力,在特征工程中经常会把一阶离散 特征两两组合,构成高阶组合特征。
如何处理高纬度组合特征?
假设用户数量M 和物品数量N为组合特征,那么学习的参数就是m*n,然而m和n 可能是千万级别的数量级,几乎无法学习m*n数量级的规模的参数。在这种情况下一种有效的方法就是对m,和n分别用k维的低纬向量来表示。
那么学习的参数将从m*n,变成k*m+n*k.这等价于矩阵分解,推荐算法中经常用矩阵分解的思路。
什么是矩阵分解?