![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
特征工程
文章平均质量分 96
特征处理总结
识醉沉香
渣渣一枚
展开
-
特征处理之tf.feature_column
feature_column 整体介绍 特征数据主要分为categorical和dense两类,可以使用tf.feature_column做相关的处理,它通过对特征处理将数据输入网络中。 1.1 功能介绍: 用户 API 返回值 离散数值列 numeric_column 数值 指标列 indicator_column one/multi hot emb嵌入列 embedding_column embedding(N) 分桶列 bucketized_column one-hot原创 2022-02-09 18:25:45 · 1281 阅读 · 0 评论 -
特征处理总结
特征类别 常见的特征类型有:数值特征、类别特征、序列特征、k-v特征、embedding特征、交叉特征等。 1. 数值特征 数值特征最为常见,如一些统计类特征:ctr、click_num等,不同的业务场景,数值特征量不同,数值特征从特征获得方式上面又可以分成两类: 一类是基础的统计特征 一类是根据业务场景,按照一定规则计算产出的复合特征 通常情况下,复合特征包含的信息会更多,更有效。下面对数值特征的常见处理方式进行总结。 1.1 特征分桶 像点击量、点赞量、收藏量这类连续型统计特征,直接拿去编码会造成编原创 2022-02-01 10:49:43 · 1612 阅读 · 0 评论