特征选择算法在微博业务应用中的演进历程

近年来，人工智能与机器学习的应用越来越广泛，尤其是在互联网领域。在微博，机器学习被广泛地应用于微博的各个业务，如Feed流、热门微博、消息推送、反垃圾、内容推荐等。

值得注意的是，深度学习作为人工智能和机器学习的分支，尤其得到更多的重视与应用。深度学习与众不同的特性之一，在于其能够对原始特征进行更高层次的抽象和提取，进而生成区分度更高、相关性更好的特征集合，因此深度学习算法还经常被叫作“自动特征提取算法”。由此可见，无论是传统的基础算法，还是时下最流行的深度学习，特征的选择与提取，对于模型最终的预测性能至关重要。另一方面，优选的特征集合相比原始特征集合，只需更少的数据量即可得到同样性能的模型，从系统的角度看，特征选择对机器学习执行性能的优化具有重大意义。

特征选择在微博经历了从最原始的人工选择，到半自动特征选择，到全自动特征选择的过程，如图1所示。我们将详细介绍微博在各个阶段的实践与心得。

图1 特征选择在微博的演进

人工选择

在互联网领域，点击率预估（Click Through Rate）被广泛地应用于各个业务场景，在微博，CTR预估被应用在各个业务的互动率预估中。对于CTR预估的实现，逻辑回归（Logistic Regression）是应用最多、最广泛而且被认为是最有效的算法之一。LR算法的优势在于提供非线性的同时，保留了原始特征的可解释性。LR模型产出后，算法人